HASIL DAN PEMBAHASAN 4.1 Gambaran Umum Kursus
4.2 Hasil Penelitian
4.2.3 Uji Asumsi Klasik .1 Uji Normalitas .1 Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng. Dalam uji normalitas ini, penulis menggunakan 3 jenis pendekatan untuk mengetahui apakah data mengikuti atau mendekati distribusi normal yaitu pendekatan histogram, pendekatan grafik, dan pendekatan Kolmogorv-Smirnov. 1. Pendekatan Histogram
Data yang baik adalah adalah data yang mempunyai pola seperti pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Seperti yang ditunjukkan pada Gambar 4.1.
Sumber : Hasil pengolahan data kuesioner dengan SPSS 20.0
Gambar 4.1 : Histogram
Pada Gambar 4.1 histogram terlihat bahwa variabel keputusan berdistribusi normal, hal ini ditunjukkan oleh distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan.
2. Pendekatan Grafik
PP plot akan membentuk plot antara nilai teoritis (sumbu X) melawan nilai-nilai yang didapat dari sampel (sumbu Y). Apabila plot dari keduanya membentuk linier (dapat didekati oleh garis lurus), maka hal ini merupakan indikasi bahwa residual menyebar normal. Seperti yang ditunjukkan pada Gambar 4.2.
Sumber :Hasil pengolahan data kuesioner dengan SPSS 20.0 Gambar 4.2 :Normal P-Plot of Regression
Standardized Residual
Pada Gambar 4.2 tersebut dapat dilihat bahwa data-data (titik-titik) menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal. Hal ini dapat disimpulkan bahwa data berdistribusi normal.
3. Pendekatan Kolmogorv-Smirnov
Pendekatan Kolmogorv-Smirnov dilakukan untuk memastikan apakah data disepanjang garis diagonal berdistribusi normal yaitu dengan melihat data residualnya, apakah berdistribusi normal atau tidak. Dengan kriteria keputusan sebagai berikut :
a. Jika nilai Asymp.Sig (2-tailed) > 0,05, maka variabel residual tidak mengalami gangguan distribusi normal.
b. Jika nilai Asymp.Sig (2-tailed) < 0,05, maka variabel residual mengalami gangguan distribusi normal.
Tabel 4.13
Uji Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 71
Normal Parametersa,b
Mean 0E-7 Std. Deviation .79948145 Most Extreme Differences Absolute .102 Positive .064 Negative -.102 Kolmogorov-Smirnov Z .863 Asymp. Sig. (2-tailed) .446 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil pengolahan data kuesioner dengan SPSS 20.0
Pada Tabel 4.13 terlihat bahwa nilai Asymp. Sig. (2-tailed) adalah 0,446 dan diatas nilai signifikan (0,05). Hal ini dapat disimpulkan bahwa variabel residual berdistribusi normal.
4.2.3.2 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan variance dari residual satu pengamatan kepengamatan lainnya. Jika variance dari satu residual satu pengamatan ke pengamatan lainnya tetap maka terjadi homoskedastisitas. Jika berbeda maka disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas. Untuk melihat apakah heteroskedastisitas atau tidak dapat dilakukan dengan berbagai cara seperti : 1) cara grafik 2) cara statistik.
1. Cara Grafik
Sumber :Hasil pengolahan data kuesioner dengan SPSS 20.0 Gambar 4.3 : Scatterplot
Dari Gambar 4.3 Scatterplot yang disajikan, terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi, sehingga model regresi layak dipakai untuk memprediksi keputusan menggunakan jasa kursus, berdasarkan masukan variabel independennya.
Tabel 4.14 Uji Glejser Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) .871 .659 1.321 .191 Keandalan .055 .060 .173 .917 .362 Daya_Tanggap .076 .067 .236 1.136 .260 Jaminan -.098 .056 -.343 -1.742 .086 Empati -.009 .027 -.077 -.341 .734 Bukti_Fisik -.006 .021 -.042 -.257 .798 Brand_Image -.028 .064 -.064 -.441 .661 a. Dependent Variable: absut
Jika variabel independen signifikan secara statistik mempengaruhi variabel independen, maka ada indikasi terjadi heteroskedastisitas. Dari Tabel 4.14 di atas, dapat diketahui bahwa nilai siginifikansi variabel independen lebih besar dari nilai tingkat kepercayaannya (0,05), maka dapat disimpulkan bahwa model regresi tidak mengalami heteroskedastisitas.
4.2.3.3 Uji Multikolinieritas
Uji multikolinieritas dilakukan bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel dependen. Multikolineritas dalah adanya hubungan yang sempurna atau pasti di antara beberapa atau semua variabel yang menjelaskan dari model regresi (Situmorang, dkk., 2008:96). Hasil pengolahan data melalui uji multikolinieritas ditunjukkan pada Tabel berikut :
Tabel 4.15 Uji Multikolinearitas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error
Beta Tolerance VIF
1 (Constant) 4.061 1.226 3.312 .002 Keandalan .183 .079 .197 2.318 .023 .332 3.010 Daya_Tanggap .232 .135 .163 1.711 .090 .400 2.500 Jaminan .211 .095 .209 2.220 .029 .368 2.714 Empati .362 .148 .234 2.442 .016 .281 3.553 Bukti_Fisik .045 .040 .149 1.135 .261 .541 1.850 Brand_Image .600 .118 .598 5.064 .000 .670 1.492 a. Dependent Variable: Keputusan_Menggunakan_Jasa_Kursus
Untuk mendeteksi ada atau tidak adanya multikolinieritas dapat dilakukan dengan melihat nilai toleransi variabel dan Variance Inflation Factor (VIF) dengan membandingkannya sebagai berikut :
a. Jika VIF > 5, maka diduga mempunyai persoalan multikolinieritas b. Jika VIF < 5, maka tidak terdapat multikolinieritas
c. Jika tolerence < 0,1, maka diduga mempunyai persoalan multikolinieritas d. Jika tolerence > 0,1, maka tidak terdapat multikolinieritas
Dari Tabel 4.15 terlihat bahwa semua data (variabel) menunjukkan VIF < 5 dan tolerence > 0,1. Sehinggan dapat disimpulkan bahwa semua data (variabel) tidak terkena multikolinearitas.
4.2.4 Analisis Regresi Linear Berganda
Analisis regresi linear yang digunakan dalam penelitian ini adalah analisis regresi linear berganda karena jumlah variabel yang diteliti lebih dari satu. Analisis regresi linear berganda digunakan untuk mengetahui pengaruh antara variabel independen (kualitas layanan yang terdiri dari keandalan, daya tanggap, jaminan, empati, bukti fisik dan brand image) terhadap variabel dependen (keputusan menggunakan jasa kursus) pada siswa-siswi The Ark School Sidikalang. Tabel 4.16 berikut ini menunjukkan hasil estimasi regresi melalui pengolahan data dengan SPSS 20.0.
Tabel 4.16
Uji Regresi Linear berganda Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 4.061 1.226 3.312 .002 Keandalan .183 .079 .197 2.318 .023 daya_tanggap .232 .135 .163 1.711 .090 Jaminan .211 .095 .209 2.220 .029 Empati .362 .148 .234 2.442 .016 bukti_fisik .045 .040 .149 1.135 .261 brand_image .600 .118 .598 5.064 .000 a. Dependent Variable: keputusan_menggunakan_jasa_kursus
Sumber : Hasil pengolahan data kuesioner dengan SPSS 20.0
Berdasarkan hasil pengolahan data yang ditunjukkan dalam Tabel 4.16, maka diperoleh persamaan regresi linear berganda dengan rumus sebagai berikut : Y = a + b1X1 + b2X2 - b3X3 - b4X4 + b5X5 + b6X6 e
Y = 4.061 + 0,232X1 + 0,183X2 + 0,211X3 + 0,362X4 + 0,045X5 + 0,600X6 + e Dimana :
Y = Keputusan Menggunakan Jasa Kursus a = Konstanta X1 = Keandalan X2 = Daya Tanggap X3 = Jaminan X4 = Empati X5 = Bukti Fisik X6 = Brand Image b1−2 = Koefisien regresi e = Standard error
Interpretasi :
a. Konstanta (a) = 4,061. Ini menunjukkan tingkat konstan, dimana jika variabel Keandalan (X1), Daya Tanggap (X2), Jaminan (X3), Empati (X4), Bukti Fisik (X5) dan Brand Image (X6) adalah 0, maka keputusan menggunakan jasa kursus adalah tetap sebesar 4,061 dengan asumsi variabel lain tetap.
b. Koefisien regresi Keandalan (X1) sebesar 0,023. Ini menunjukkan bahwa variabel ini berpengaruh secara positif dan signifikan terhadap keputusan menggunakan jasa kursus, atau dengan kata lain jika variabel X2 ditingkatkan sebesar satu satuan dengan asumsi variabel lain konstan, maka keputusan pelanggan dalam menggunakan jasa kursus bahasa inggris di The Ark School akan meningkat sebesar 0,183.
c. Koefisien regresi Daya Tanggap (X2) sebesar 0,090. Ini menunjukkan bahwa variabel ini berpengaruh secara positif dan tidak signifikan terhadap keputusan menggunakan jasa kursus, atau dengan kata lain jika variabel X1
ditingkatkan sebesar satu satuan dengan asumsi variabel lain konstan, maka keputusan pelanggan dalam menggunakan jasa kursus bahasa inggris di The Ark School tidak akan meningkat sebesar 0,232.
d. Koefisien regresi Jaminan (X3) sebesar 0,029. Ini menunjukkan bahwa variabel ini berpengaruh secara positif dan signifikan terhadap keputusan menggunakan jasa kursus, atau dengan kata lain jika variabel X3 ditingkatkan sebesar satu satuan dengan asumsi variabel lain konstan, maka keputusan pelanggan dalam menggunakan jasa kursus bahasa inggris di The Ark School akan meningkat sebesar 0,211.
e. Koefisien regresi Empati (X4) sebesar 0,016. Ini menunjukkan bahwa variabel ini berpengaruh secara positif dan signifikan terhadap keputusan menggunakan jasa kursus, atau dengan kata lain jika variabel X4 ditingkatkan sebesar satu satuan dengan asumsi variabel lain konstan, maka keputusan pelanggan dalam menggunakan jasa kursus bahasa inggris di The Ark School akan meningkat sebesar 0,362.
f. Koefisien regresi bukti fisik (X5) sebesar 0,261. Ini menunjukkan bahwa variabel ini berpengaruh secara positif dan tidak signifikan terhadap keputusan menggunakan jasa kursus, atau dengan kata lain jika variabel X5
ditingkatkan sebesar satu satuan dengan asumsi variabel lain konstan, maka keputusan pelanggan dalam menggunakan jasa kursus bahasa inggris di The Ark School tidak akan meningkat sebesar 0,045.
g. Koefisien regresi brand image (X6) sebesar 0,000. Ini menunjukkan bahwa variabel ini berpengaruh secara positif dan signifikan terhadap keputusan menggunakan jasa kursus, atau dengan kata lain jika variabel X6 ditingkatkan sebesar satu satuan dengan asumsi variabel lain konstan, maka keputusan pelanggan dalam menggunakan jasa kursus bahasa inggris di The Ark School akan meningkat sebesar 0,600.
4.2.5 Pengujian Hipotesis dengan Analisis Regresi Linear Berganda