BAB 4 HASIL PENELITIAN DAN PEMBAHASAN
4.1 Hasil Penelitian
4.1.3 Deskriptif Variabel Penelitian
4.1.4.1 Uji Asumsi Klasik
Hasil output dari pengujian normalitas dengan Kolmogorov-Smirnov adalah sebagai berikut.
Tabel 4.17 One-Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 130
Normal Parametersa Mean .0000000
Std. Deviation 2.04997563
Most Extreme Differences Absolute .061
Positive .037
Negative -.061
Kolmogorov-Smirnov Z .691
Asymp. Sig. (2-tailed) .727
a. Test distribution is Normal.
Dari tabel diperoleh nilai sig = 0,727 = 72,7% > 5%, maka H0 diterima. Artinya variabel unstandarized berdistribusi normal.
Uji normalitas juga dapat dilihat pada grafik Normal P-Plot sebagai berikut :
Gambar 4.1 Grafik Normal P-Plot
Berdasarkan gambar di atas diketahui bahwa titik-titik pada gambar normal probability plot cenderung membentuk garis diagonal, sehingga dapat disimpulkan bahwa variabel terikat dan variabel bebas keduanya memiliki distribusi normal.
2. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik tidak terjadi korelasi antar variabel bebas. Untuk mendeteksi ada tidaknya multikolinearitas di dalam model regresi adalah dengan melihat nilai toleransi dan Variance Inflation Factor (VIF). Apabila nilai tolerance > 10% dan nilai VIF < 10, maka dapat disimpulkan tidak ada multikolinieritas antar variabel
bebas dalam model regresi. Berikut hasil perhitungan menggunakan program SPSS 16: Tabel 4.18 Coefficientsa Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) .670 1.767 .379 .705
X1 .278 .036 .481 7.673 .000 .919 1.089
X2 .343 .049 .437 6.973 .000 .919 1.089
a. Dependent Variable: Y
Berdasarkan tabel diatas terlihat setiap variabel bebas mempunyai nilai tolerance > 0,1 dan nilai VIF < 10. Jadi dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel bebas dalam model regresi ini.
3. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lain. Heteroskedastisitas menunjukkan penyebaran variabel bebas. Penyebaran yang acak menunjukkan model regresi yang baik, dengan kata lain tidak terjadi heteroskedastisitas. Untuk menguji heteroskedastisitas dapat dilakukan dengan mengamati grafik scatterplot dengan pola titik-titik yang menyebar di atas dan di bawah sumbu Y. Berikut hasil pengolahan menggunakan program SPSS 16 :
Gambar 4.2 Grafik Scatterplot
Pada grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun dibawah angka nol pada sumbu Y. Hal ini dapat disimpulkan tidak terjadi heteroskedastisitas pada model regresi ini.
Selain mengamati grafik scatterplot uji heterokedastisitas juga dapat dilakukan dengan uji Glejser. Uji glejser yaitu pengujian dengan meregresikan nilai absolut residual terhadap variabel independen. Output dari uji glejser adalah sebagai berikut:
Tabel 4.19 Uji Glejser Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 4.801 3.206 1.497 .137 X1 -.045 .049 -.099 -.928 .356 X2 .064 .062 .112 1.045 .298
a. Dependent Variable: Abs_res
Hasil tampilan output SPSS dengan jelas menunjukkan semua variabel independen mempunyai nilai sig 0,05. Jadi tidak ada variabel independen yang signifikan secara statistik mempengaruhi variabel dependen abs_res. Hal ini terlihat dari nilai sig pada tiap-tiap variabel independen seluruhnya diatas 0,05. Jadi dapat disimpulkan model regresi tidak mengandung adanya heterokedastisitas.
4.1.4.2 Analisis Regresi Linear Berganda
Berdasarkan analisis dengan program SPSS 16 for Windows diperoleh hasil regresi linier berganda seperti pada tabel berikut :
Tabel 4.20Regresi Linear Berganda
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) .670 1.767 .379 .705 X1 .278 .036 .481 7.673 .000 X2 .343 .049 .437 6.973 .000 a. Dependent Variable: Y
Berdasarkan hasil analisis pada tabel di atas maka persamaan regresi dalam penelitian ini adalah sebagai berikut :
Y = 0,670 + 0,278X1 + 0,343X2
Persamaan regresi tersebut mempunyai makna sebagai berikut:
1. Nilai konstanta sebesar 0,670 berarti jika variabel kualitas pelayanan dan kepercayaan dianggap sama dengan nol, maka variabel kepuasan pasien sebesar 0,670.
2. Nilai koefisien regresi untuk variabel kualitas pelayanan (X1) adalah sebesar 0,278 artinya bahwa apabila terjadi peningkatan pada variabel kualitas pelayanan (X1), dengan asumsi kepercayaan (X2) konstan maka akan menyebabkan kenaikan kepuasan kepuasan sebesar 0,278.
3. Nilai koefisien regresi untuk variabel kepercayaan (X2) adalah sebesar 0,343 artinya bahwa apabila terjadi peningkatan pada variabel kepercayaan (X2), dengan asumsi kualitas pelayanan (X1) konstan maka akan menyebabkan kenaikan kepuasan kepuasan sebesar 0,343.
4.1.4.3 Pengujian Hipotesis
1. Uji Signifikansi Parameter Individual (Uji Statistik t)
Uji t dilakukan untuk mengetahui apakah secara individu (parsial) variabel independen mempengaruhi variabel dependen secara signifikan atau tidak. Hasil output dari SPSS adalah sebagai berikut.
Tabel 4.21 Uji Parsial (Uji t) Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) .670 1.767 .379 .705 X1 .278 .036 .481 7.673 .000 X2 .343 .049 .437 6.973 .000 a. Dependent Variable: Y
Dengan tingkat kepercayaan = 95% atau (α) = 0,05. Derajat kebebasan (df) = n-k-1 = 130-2-1 = 127, serta pengujian dua sisi diperoleh nilai t0,05= 2,017.
Hasil pengujian statistik dengan SPSS pada variabel X1 (kualitas pelayanan) diperoleh nilai thitung =7,673 dengan nilai sig =0,000< 0,05 jadi Ho ditolak dan H1 yang berbunyi ada pengaruh kualitas pelayanan terhadap kepuasan pasien rawat inap di RSUD Dr. Soewondo Kendal diterima. Pada variabel X2 (Kepercayaan) diperoleh nilai thitung =6,973 dengan nilai sig =0,005< 0,05 jadi Ho ditolak dan H2 ada pengaruh kepercayaan terhadap kepuasan pasien rawat inap di RSUD Dr. Soewondo Kendal diterima.
2. Uji Signifikansi Simultan (Uji Statistik F)
Uji F dilakukan untuk mengetahui apakah semua variabel independen secara simultan berpengaruh terhadap variabel dependen.
Tabel 4.22 Uji Simultan (Uji F)
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 641.467 2 320.734 75.138 .000a
Residual 542.110 127 4.269
Total 1183.577 129
a. Predictors: (Constant), X2, X1 b. Dependent Variable: Y
Pada tabel Anova diperoleh nilai F = 75,138 dengan nilai sig = 0,000 < 0,05 jadi Ho ditolak dan H3 ada pengaruh kualitas pelayanan dan kepercayaan secara simultan terhadap kepuasan pasien rawat inap di RSUD Dr. Soewondo Kendal diterima. Maka dengan kata lain variabel-variabel independen kualitas pelayanan dan kepercayaan, mampu menjelaskan besarnya variabel dependen kepuasan pasien.
4.1.4.4 Koefisien Determinasi
1. Koefisien Determinasi Ganda (R2)
Besarnya pengaruh variabel independen terhadap variabel dependen secara keseluruhan dapat dilihat pada tabel model summary berikut ini :
Tabel 4.23 Model Summary
Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .736a .542 .535 2.06605 a. Predictors: (Constant), X2, X1
Pada tabel di atas diperoleh nilai Adjusted R2 = 0,535 = 53,3% ini berarti variabel bebas kualitas pelayanan dan kepercayaan, secara
bersama-sama mempengaruhi variabel dependen kepuasan pasien sebesar 53,3% dan sisanya dipengaruhi oleh variabel lain yang tidak masuk dalam penelitian ini.
2. Koefisien Determinasi Parsial (r2)
Selain melakukan uji t maka perlu juga mencari besarnya koefisien determinasi parsialnya untuk masing-masing variabel bebas. Uji determinasi parsial ini digunakan untuk mengetahui seberapa besar sumbangan dari masing-masing variabel bebas terhadap variabel terikat.
Secara parsial kontribusi kualitas pelayanan dan kepercayaan terhadap kepuasan pasien dapat dilihat pada tabel berikut ini:
Tabel 4.24 Koefisien Determinasi Parsial
Coefficientsa Model Unstandardized Coefficients Standardize d Coefficients t Sig. Correlations B Std. Error Beta
Zero-order Partial Part
1 (Constan
t) .670 1.767 .379 .705
X1 .278 .036 .481 7.673 .000 .606 .563 .461
X2 .343 .049 .437 6.973 .000 .574 .526 .419
a. Dependent Variable: Y
Berdasarkan tabel di atas, diketahui besarnya r2 kualitas pelayanan adalah 32%, yang diperoleh dari koefisien korelasi parsial untuk variabel kualitas pelayanan dikuadratkan yaitu (0,563)2. Besarnya pengaruh kepercayaan adalah 28%, yang diperoleh dari koefisien korelasi parsial
untuk variabel kepercayaan dikuadratkan yaitu (0,526)2. Hal ini menunjukkan bahwa variabel kualitas pelayanan memberikan pengaruh lebih besar terhadap kepuasan dibandingkan variabel kepercayaan.