HASIL PENELITIAN DAN PEMBAHASAN
4.3. Analisis Kepuasan Pemohon
4.3.2. Pengujian Pengaruh Mutu Pelayanan, Sistem Pelayanan, dan Kebijakan Keimigrasian terhadap Kepuasan Pemohon Keimigrasian terhadap Kepuasan Pemohon
Dalam penelitian ini dilakukan kajian atas kepuasan pemohon paspor pada Kantor Imigrasi dari tiga faktor, yaitu: kualitas pelayanan yang terdiri dari lima dimensi: tangibles, empathy, responsiveness, assurance, dan reliability, dimensi sistem pelayanan, yakni sistem, prosedur, dan metode, serta dimensi kebijakan, yakni Undang-Undang No. 9 Tahun 1992, Kep.Men.Hukum dan HAM.RI, juklak Dirjenim, Peraturan Dirjenim, dan Surat Edaran Dirjenim.
a. Cakupan Pengaruh terhadap Kepuasan Pemohon
Hasil pengolahan data sebagaimana diberikan pada Lampiran 2 diperoleh hasil sebagaimana ditampilkan pada Tabel 4.42.
Tabel 4.42. Perhitungan Koefisien Determinasi
Model R R Square Adjusted R Square Std. Error of the Estimate
Change Statistics
Durbin-Watson R Square Change F Change df1 df2 Sig. F Change Sig. F Change 1 .826(a) .682 .672 .34408 .682 68.724 3 96 .000 2.011
a Predictors: (Constant), KEBIJAK, MUTU, SISTEM b Dependent Variable: PUAS
Dari Tabel 4.42 dapat dilihat bahwa koefisien determinasi (R2) sebesar 0.682. Hal ini menunjukkan bahwa 68.2% kepuasan pemohon paspor dapat dijelaskan oleh mutu pelayanan, sistem pelayanan, dan kebijakan pelayanan. Sementara sisanya, 31,8% dipengaruhi oleh faktor-faktor lain.
b. Besarnya Pengaruh terhadap Kepuasan Pemohon
Pengaruh mutu pelayanan, sistem pelayanan, dan kebijakan secara bersama-sama terhadap kepuasan pemohon paspor dapat dilihat dari hasil perhitungan yang dilakukan pada Lampiran 1 dan dirangkum pada Tabel 4.43.
Tabel 4.43. Koefisien Multi Regressi Linier
Model Unstandardized Coefficients
Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -.594 .192 -3.092 .003 MUTU .352 .062 .382 5.721 .000 SISTEM .245 .075 .225 3.274 .001 KEBIJAK .396 .066 .417 5.966 .000
a Dependent Variable: PUAS
Dari Tabel 4.43 dapat dilihat koefisien untuk tiap-tiap faktor sehingga dapat dirumuskan persamaan multi regressi linier sebagai berikut:
Kepuasan=-0.594+0.352 Mutu Pelayanan+0.245 Sistem Pelayanan+0.396 Kebijakan Karena nilai Sig untuk ketiga faktor < 0.05 maka ketiga faktor adalah signifikan untuk tingkat signifikansi (α) = 0.05.
Dari ketiga faktor yang mempengaruhi kepuasan pemohon paspor, dapat dilihat bahwa faktor yang paling mempengaruhi secara berurutan adalah kebijakan (0.396), diikuti mutu pelayanan (0.352) dan sistem pelayanan (0.245).
c. Uji Kesesuaian Model
Kesesuaian dari model yang terbentuk dapat dilihat dari Lampiran 2 dan dirangkum pada Tabel 4.44.
Tabel 4.44.Uji Kesesuaian Model
Model Sum of Squares df Mean Square F Sig. 1 Regression 24.409 3 8.136 68.724 .000(a) Residual 11.366 96 .118 Total 35.775 99
a Predictors: (Constant), KEBIJAK, MUTU, SISTEM b Dependent Variable: PUAS
Dari Tabel 4.44 dapat dilihat bahwa nilai sig (0.000) < 0.05 (α) maka model regressi linier yang menunjukkan pengaruh mutu pelayanan, sistem pelayana, kebijakan pelayanan terhadap kepuasan pemohon, berbentuk Multi Regressi Linier dapat diterima untuk tingkat signifikansi (α) 5% dapat diterima.
d. Uji Asumsi Klasik i). Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual berdistribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal.
Untuk mengetahui apakah data berdistribusi normal atau mendekati normal bisa dilakukan uji statistik non parametrik Kolmogorov-Smirnov yaitu dengan menggunakan tabel Kolmogorov-Smirnov Test. Adapun hasil pengujian dengan menggunakan Kolmogorov-Smirnov Test dapat dilihat pada Tabel 4.45:
Tabel 4.45. One-Sample Kolmogorov-Smirnov Test
PUAS N 100 Normal Parameters(a,b) Mean 2.0179 Std. Deviation .60113 Most Extreme Differences Absolute .117 Positive .117 Negative -.109 Kolmogorov-Smirnov Z 1.167
Asymp. Sig. (2-tailed) .131
a Test distribution is Normal. b Calculated from data.
Diketahui bahwa nilai kolmogorov-smirnov Z sebesar 0.542 dan nilai asymp.Sig. (2-tailed) 0.131 > α (0.05), maka data adalah benar berdistribusi secara normal.
ii). Uji Multikolonieritas
Pada regresi linier berganda selain dilakukan uji normalitas juga perlu diadakan pengujian yang berkaitan dengan multikolonieritas, karena hal tersebut mempengaruhi bias tidaknya kesimpulan satu analisa regresi berganda. Multikolonieritas adalah kejadian yang menginformasikan terjadinya hubungan antara variabel-variabel bebas dan hubungan yang terjadi cukup besar. Hal ini menyebabkan koefisien-koefisien menjadi tidak dapat ditaksir dan nilai standard eror setiap koefisien regresi menjadi tak terhingga.
Terdapat beberapa cara yang dapat dilakukan untuk mendeteksi multikolonieritas antara lain:
a.Dengan melakukan analisis korelasi diantara variabel bebasnya apakah terdapat multikolonieritas diantara variabel bebas.
b.Dengan melihat toleransi variabel dan Variance Inplation Factor (VIF) Jika VIF > 5 maka diduga mempunyai persoalan multikolinieritas. Jika VIF < 5 maka tidak terdapat multikolinieritas.
Dari perhitungan pada Lampiran 2 diperoleh hasil sebagai berikut: Tabel 4.46. Nilai Variance Inplation Factor (VIF)
Model Unstandardized Coefficients Standardized Coefficients Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -.594 .192
MUTU .352 .062 .382 .504 .329
SISTEM .245 .075 .225 .317 .188
KEBIJAK .396 .066 .417 .520 .343
a Dependent Variable: PUAS Sumber: Diolah dengan SPSS (2008)
Dari Hasil perhitungan nilai Variance Inflation Factor menunjukkan tidak ada variabel independen yang memiliki nilai VIF lebih dari 5. Jadi dapat disimpulkan bahwa tidak ada multikolinieritas antara variabel independen dalam model regresi, sehingga model regresi layak dipakai untuk memprediksikan kepuasan pemohon. iii). Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam sebuah regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan yang lain. Jika varians dari residual ke residual lain tetap maka disebut homokedastisitas dan jika varians berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas (Ghozali, 2003).
Untuk mendeteksi ada atau tidaknya gejala heteroskedastisitas dalam regresi linier dapat digunakan residual yang berupa grafik, dengan dasar pengambilan keputusan jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit) maka telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar
di atas dan di bawah angka 0 pada sumbu Y maka tidak terjadi heteroskedastisitas (Santoso, 2000).
Pada hasil pengolahan data dengan menggunakan SPSS 15, jelas terlihat bahwa pola penyebaran titik-titik di atas dan di bawah 0 pada sumbu Y tidak membentuk pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit), maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas. Hasil pengolahan datanya dapat dilihat pada gambar berikut:
Regression Studentized Deleted (Press) Residual
4 2 0 -2 R eg re ss io n S ta n d ar d iz ed P re d ic te d V al u e 2 1 0 -1 -2 -3 Scatterplot
Dependent Variable: PUAS
4.4. Pembahasan
Dari hasil pengolahan data dapat dilihat bahwa koefisien determinasi (R2) sebesar 0.682 hal ini menunjukkan bahwa kepuasan pemohon Paspor RI dapat dijelaskan oleh mutu pelayanan, sistem pelayanan, dan kebijakan pelayanan meskipun dipengaruhi oleh faktor-faktor lain.
Pengaruh mutu pelayanan, sistem pelayanan, dan kebijakan pelayanan secara bersama-sama terhadap kepuasan pemohon Paspor RI dapat dilihat koefisien untuk tiap-tiap faktor. Sehingga dapat dirumuskan persamaan multi regresi linier sebagai berikut: kepuasan = 0,594 + 0,352 mutu pelayanan + 0,245 sistem pelayanan + 0,396 kebijakan. Karena nilai Sig untuk ketiga faktor < 0,05 maka ketiga faktor adalah signifikan untuk tingkat signifikan (a)=0,05. Dari ketiga faktor yang mempengaruhi kepuasan pemohon Paspor RI dapat dilihat bahwa faktor yang paling mempengaruhi secara berurutan adalah kebijakan (0,396), diikuti mutu pelayanan (0,352), dan sistem pelayanan (0,245).
Dari model yang terbentuk dapat dilihat bahwa nilai Sig (0,000)< 0,05 (a) maka model regresi linier yang menunjukkan pengaruh mutu pelayanan, sistem pelayanan, dan kebijakan pelayanan terhadap kepuasan pemohon, berbentuk multi regresi linier dapat diterima untuk tingkat signifikan (a) 5% dapat dilihat.
Dalam model regresi, variabel pengganggu atau residual berdistribusi normal. Seperti diketahui bahwa uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal 0,542 dan nilai asymp.Sig (2- Tailed) 0,131 > a(0.05), maka data adalah benar berdistribusi secara normal.
Pada regresi linier berganda selain dilakukan uji normalitas juga perlu diadakan pengujian yang berkaitan dengan multikolonieritas, karena hal tersebut mempengaruhi bias tidaknya kesimpulan satu analisa regresi berganda.
Untuk mendeteksi ada atau tidaknya gejala heteroskedastisitas dalam regresi linier dapat digunakan residual yang berupa grafik, dengan dasar pengambilan keputusan jika ada pada tertentu seperti titik yang ada membentuk suatu pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit) maka telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik menyebar di atas dan di bawah angka 0 pada sumbu y maka tidak terjadi heteroskedastisitas (Santoso, 2000).
Hasil pengolahan data dengan menggunakan SPSS (Statistical Pacpage Social Science) 15 jelas terlihat bahwa pola penyebaran titik-titik dan di bawah 0 pada sumbu Y tidak membentuk pola tertentu (bergelombang, melebar, kemudian menyempit), maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas.
BAB V