BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.4. Uji Asumsi Klasik
Sebelum dapat menggunakan model regresi linier berganda dalam menganalisis variabel-variabel, maka terlebih dahulu diuji syarat-syarat yang harus dipenuhi. Dengan kata lain menguji dengan model asumsi klasik, yakni sebagai berikut:
4.4.1. Uji Normalitas
Uji normalitas dilakukan untuk melihat normal tidaknya sebaran data yang akan dianalisis. Model regresi yang baik adalah distribusi normal atau mendekati normal. Untuk melihat normalitas data menggunakan pendekatan histogram, grafik dan kolmogorv-sminorv.
1. Pendekatan Histogram
Gambar 4.3
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS for windows, 2016) Pada Gambar 4.1 histogram, terlihat bahwa variabel berdistribusi normal. Hal ini ditunjukkan oleh distribusi data tersebut tidak miring ke kiri atau ke kanan dan membentuk pola lonceng.
2. Pendekatan Grafik
Gambar 4.4
Normality Probability Plot
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS for windows, 2016) Pada output SPSS P-P Plot of Regression, bahwa data cenderung lurus mengikuti garis diagonal sehingga data dalam penelitian ini cenderung terdistribusi normal seperti terlihat pada Gambar 4.2.
3. Pendekatan Kolmogorv-Sminorv
Uji normalitas dengan grafik bisa saja berdistribusi normal, karena sifatnya lebih subjektif. Oleh karena itu, perlu dilakukan uji normalitas secara statitistik dengan pendekatan kolmogorov-smirnov (1 sample KS). Hasil uji normalitas dengan pendekatan kolmogorov dapat dilihat sebagai berikut.
Tabel 4.10
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 100
Normal Parametersa,b Mean .0000000 Std. Deviation .45151564 Most Extreme Differences Absolute .066
Positive .066
Negative -.041
Kolmogorov-Smirnov Z .662
Asymp. Sig. (2-tailed) .773
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS for windows, 2016)
Pada Tabel 4.10 terlihat bahwa nilai Asymp. Sig (2-tailed) adalah 0.773 dan diatas nilai signifikansi (0,05) atau 5%. Hal ini berarti residual data berdistribusi normal. Nilai kolmogorv-sminorv Z lebih kecil dari 1,97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empirik atau dengan kata lain data dikatakan normal.
4.4.2 Uji Heterokedastisitas Tabel 4.11 Uji Glejser Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -.169 .427 -.396 .693 BUKTIFISIK .138 .067 .214 2.050 .063 KEHANDALAN -.017 .074 -.028 -.233 .816 DAYATANGGAP .005 .045 .012 .104 .917 JAMINAN .038 .048 .083 .809 .420 EMPATI -.035 .047 -.075 -.730 .467
a. Dependent Variable: absut
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS for windows, 2016) Pada Tabel 4.11 menunjukkan bahwa signifikansi variabel bebas lebih besar dari 0,05 sehingga tidak terdapat satupun variabel independen yang signifikan secara statistik mempengaruhi varabel dependen. Jadi disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
Gambar 4.3 Uji Heteroskedastisitas
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS for windows, 2016) Grafik 4.3 menunjukkan bahwa terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol (0) pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak pakai untuk memprediksi Kepuasan Pelanggan Terhadap Pelayanan Maskapai Airasia berdasarkan masukkan Empati, Daya Tanggap, Jaminan, Bukti Fisik dan Kehandalan.
4.4.3 Uji Multikolinieritas Tabel 4.12 Uji Multikolinieritas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) -1.400 .704 -1.989 .050 BUKTIFISIK .290 .111 .202 2.608 .011 .928 1.078 KEHANDALAN .541 .123 .396 4.411 .000 .690 1.449 DAYATANGGAP .270 .074 .325 3.662 .000 .704 1.421 JAMINAN .228 .078 .221 2.900 .005 .957 1.045 EMPATI .159 .078 .155 2.039 .044 .956 1.046 a. Dependent Variable: KEPUASANPELANGGAN
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS for windows, 2016) Pedoman suatu model regresi yaitu bebas multikolinieritas adalah dengan melihat Variance Inflation Factor (VIF) > 5 maka variabel ada masalah multikolinieritas, dan jika VIF < 5 maka tidak terdapat masalah multikolinieritas. Jika Tolerance < 0,1 maka variabel ada masalah multikolinieritas, dan jika Tolerance > 0,1 maka variabel tidak terdapat masalah multikolinieritas
Tabel 4.12 menunjukkan bahwa nilai tolerance > 0,1 sedangkan inflation factor (VIF) < 5. Hal ini menunjukkan bahwa variabel bebas dalam penelitian ini tidak saling berkorelasi atau tidak ditemukan adanya korelasi antar variabel bebas, sehingga tidak mengandung multikolinearitas.
4.5 Metode Regresi Linier Berganda
Analisis regresi linear berganda berfungsi untuk mengetahui pengaruh variabel bebas (X1, X2, X3, X4, X5) dengan variabel terikat (Y). Analisis regresi linear berganda menggunakan bantuan program SPSS for windows.
Tabel 4.13
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS for windows, 2016)
Tabel 4.13 menunjukkan bahwa variabel yang dimasukkan (entered) adalah variabel Empati, Daya Tanggap, Jaminan, Bukti Fisik dan Kehandalan. Tidak ada variabel independent yang dikeluarkan (removed). Metode yang dipilih adalah metode enter.
4.6 Uji Hipotesis
4.6.1 Uji Signifikan Simultan (Uji F)
(Uji serempak) dilakukan untuk menguji apakah Bukti Fisik (X1), Kehandalan (X2), Daya Tanggap (X3), Jaminan (X4), dan Empati (X5) secara bersama-sama (serempak) pengaruh secarah positif dan signifikan terhadap kepuasan pelanggan pelayanan jasa maskapai AirAsia. Berikut ini hasil uji secara serempak (Uji-F):
Tabel 4.14 Uji F
ANOVAb
Model Sum of Squares df Mean Square F Sig. 1 Regression 18.497 5 3.699 17.230 .000a
Residual 20.183 94 .215
Total 38.680 99
a. Predictors: (Constant), EMPATI, DAYATANGGAP, JAMINAN, BUKTIFISIK, KEHANDALAN b. Dependent Variable: KEPUASANPELANGGAN
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS for windows, 2016) Tabel 4.14 menunjukkan bahwa nilai F hitung sebesar 17,230 dengan tingkat signifikan sebesar 0.000. Sedangkan F tabel pada tingkat kepercayaan
95% (α = 0,05) adalah 2.31. Maka F hitung > F tabel dan tingkat signifikansinya
(0.000) < 0,05 maka H0 diterima. Artinya Bukti Fisik, kehandalan, Daya Tanggap, Jaminan, dan Empati secara serentak berpengaruh positif dan signifikan terhadap kepuasan pelanggan pelayanan jasa maskapai AirAsia.
4.6.2. Uji Signifikan Parsial (Uji-T)
Uji-t (uji parsial) dilakukan untuk mengetahui seberapa jauh pengaruh variabel independen secara parsial (individual) yaitu Bukti Fisik (X1), Kehandalan (X2), Daya Tanggap (X3), Jaminan (X4), dan Empati (X5) terhadap kepuasan pelanggan pelayanan jasa maskapai AirAsia. Berikut ini hasil uji secara serempak (Uji-T) :
Tabel 4.15 Uji T Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -1.400 .704 -1.989 .050 BUKTIFISIK .290 .111 .202 2.608 .011 KEHANDALAN .541 .123 .396 4.411 .000 DAYATANGGAP .270 .074 .325 3.662 .000 JAMINAN .228 .078 .221 2.900 .005 EMPATI .159 .078 .155 2.039 .044
a. Dependent Variable: KEPUASANPELANGGAN
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS for windows, 2016) Hasil uji-t menghasilkan persamaan regresi sebagai berikut :
Y = -1,400 + 0,290 X1 + 0,541 X2 + 0,270 X3 + 0,228 X4 + 0,159 X5 + e 1. Bukti Fisik (X1)
Bukti fisik pada t hitung sebesar 2,608 dan t tabel sebesar 1,664. Sehingga t hitung (2,608) > t tabel (1,664) dan nilai signifikasi 0,011 < 0,05. Hal ini menunjukkan bahwa bukti fisik berpengaruh secara positif dan signifikan terhadap kepuasan pelanggan pelayanan jasa maskapai AirAsia.
2. Kehandalan (X2)
Kehandalan pada t hitung sebesar 4,411 dan t tabel sebesar 1,664. Sehingga t hitung (4,411) > t tabel (1,664) dan nilai signifikasi 0,000 < 0,05. Hal ini menunjukkan bahwa kehandalan berpengaruh secara positif dan signifikan terhadap kepuasan pelanggan pelayanan jasa maskapai AirAsia.
Daya tanggap pada t hitung sebesar 3,662 dan t tabel sebesar 1,664. Sehingga t hitung (3,662) > t tabel (1,664) dan nilai signifikasi 0,000 < 0,05. Hal ini menunjukkan bahwa daya tanggap berpengaruh secara positif dan signifikan terhadap kepuasan pelanggan pelayanan jasa maskapai AirAsia.
4. Jaminan (X4)
Jaminan pada t hitung sebesar 2,900 dan t tabel sebesar 1,664. Sehingga t hitung (2,900) > t tabel (1,664) dan nilai signifikasi 0,005 < 0,05. Hal ini menunjukkan bahwa jaminan berpengaruh secara positif dan signifikan terhadap kepuasan pelanggan pelayanan jasa maskapai AirAsia.
5. Empati (X5)
Empati pada t hitung sebesar 2,039 dan t tabel sebesar 1,664. Sehingga t hitung (2,039) > t tabel (1,664) dan nilai signifikasi 0,044 < 0,05. Hal ini menunjukkan bahwa Empati berpengaruh secara positif dan signifikan terhadap kepuasan pelanggan pelayanan jasa maskapai AirAsia.
4.6.3 Koefisien Determinasi (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 (X1, X2, X3, X4, X5) terhadap variabel terikat (Y) semakin kuat. Jika determinan (R²) semakin kecil atau
mendekati nol, maka pengaruh variabel bebas (X1, X2, X3, X4, X5) terhadap variabel terikat (Y) semakin lemah.
Tabel 4.16 Uji R
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS for windows, 2016) Keterangan Tabel 4.16 :
1. R = 0.692 berarti hubungan (relation) antara bukti fisik, kehandalan, daya tanggap, jaminan, dan empati terhadap kepuasan pelanggan untuk pelayanan jasa maskapai AirAsia sebesar 69,2%. Artinya hubungannya erat.
2. R Square sebesar 0.478 yang artinya faktor kepuasan pelanggan untuk pelayanan jasa maskapai AirAsia dapat dijelaskan oleh bukti fisik, kehandalan, daya tanggap, jaminan, dan empati sebesar 47,8% dan sisanya 52,2% dapat dijelaskan oleh variabel-variabel lain yang tidak diteliti dalam penelitian ini.
3. Adjusted R Square sebesar 0.450 yang artinya faktor kepuasan pelanggan untuk pelayanan jasa maskapai AirAsia dapat dijelaskan oleh bukti fisik, kehandalan, daya tanggap, jaminan, dan empati sebesar 45 % dan sisanya 55 % dapat dijelaskan oleh variabel-variabel lain yang tidak diteliti dalam penelitian ini.
4. Standard Error of Estimate artinya mengukur variasi dari nilai yang diprediksi. Nilai Standard Error of Estimate 0.46337. Semakin kecil Standard Error of Estimate berarti model semakin baik.