METODOLOGI PENELITIAN
E. Uji Validitas dan Uji Reliabilitas 1.Uji Validitas 1.Uji Validitas
Uji validitas Sigunakan untuk mengukur valid atau tidaknya suatu data dalam penelitian. Menurut Ghozali (2011:52) uji validitas Sigunakan untuk mengukur sah tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut.
Uji signifikansi dilakukan dengan cara membandingkan nilai rhitung dengan rtabel untuk degree of freedom (df) = n – 2 dalam hal ini adalah jumlah sampel. Suatu pertanyaan atau indikator dinyatakan valid, apabila rhitung>rtabel dan nilai positif, namun jika rhitung< rtabel, maka dinyatakan tidak valid dan nilai negatif.
2. Uji Reliabilitas
Uji Reliabilitas adalah alat untuk mengukur suatu kuesioner yang merupakan indikator dari variabel atau konstruk. suatu kuesioner dikatakan reliable atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu (Ghozali,2009:45).
Adapun cara yang Sigunakan untuk menguji reliabilitas kusioner dalam penelitian ini adalah mengukur reliabilitas dengan uji statistic Cronbanch Alpha. suatu konstruk atau variabel dikatakan relibel jika memberikann nilai
Cronbanch Alpha> 0,60 ( Ghozali,2009:46). F. Uji Asumsi Klasik
Tujuan dari asumsi klasik regresi linear berganda adalah untuk melihat asumsi tertentu tentang pola perilaku variabel yang dikenal dengan asumsi dasar regresi, yaitu:
1. Uji Normalitas
Menurut Ghozali (2011:147) uji normalitas bertujuan apakah dalam model regresi variabel dependen (terikat) dan variabel independen (bebas) mempunyai kontribusi atau tidak. Model regresi yang baik adalah data distribusi normal atau mendekati normal. Terdapat dua cara untuk mendeteksi
apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik (uji kolmogrov – smirnov), dengan penjelasan sebagai berikut (Ghozali, 2011:147).
1) Uji Normalitas Secara Grafik
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendeteksi distribusi normal. Namun demikian hanya dengan melihat histogram hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Penelitian yang menggunakan metode yang lebih handal untuk menguji data mempunyai distribusi normal atau tidak yaitu dengan melihat normal probability plot. Untuk mendeteksi normalitas dapat dilakukan dengan melihat penyebaran data (titik) pada sumbu diagonal grafik. Ada beberapa cara mendeteksi normalitas dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik. Dasar pengambilan keputusan dalam uji normalitas adalah:
a) Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka regresi memenuhi asumsi normalitas.
b) Jika data menyebar dari garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
2) Uji Normalitas Secara Statistik
Uji normalitas secara grafik dapat menyesatkan apabila tidak berhati-hati dalam melihatnya. Oleh sebab itu dianjurkan untuk melengkapi uji normalitas secara grafik dengan uji normalitas secara statistik (Ghozali, 2011:163). Selain dengan melihat kurva normal p-plot, uji normalitas juga dapat dilakukan menggunakan uji kolmogorov-smirnov.Dalam uji ini apabila nilai sig. < 0,05 maka data tidak terdistribusi dengan normal. Namun, jika nilai sig. > 0,05 maka data terdistribusi dengan normal (Santoso, 2012:193-196).
2. Uji Multikolonieritas
Uji Multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen) (Ghozali,2009:95) . Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkolerasi, maka variabel-variabel tidak orthogonal. Variabel orthogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol. Multikolonieritas dapat juga dilihat dari nilai tolerance dan lawannya
Varience Inflantion Factor (VIF). Kedua ukuran ini menunjukan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Setiap variabel independen menjadi variabel dependent (terikat) dan diregres terhadap variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh
variabel independen lainnya. Jadi nilai Tolerance yang rendah sama dengan nilai VIF tinggi (Karena VIF = 1/Tolerance). Nilai Cutoff yang umum dipakai untuk menunjukan adanya multikolonieritas adalah nilai Tolerance ≤ 0,10 atau
sama dengan nilai VIF ≥ 10.
3. Uji Heterokedasitas
Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya. Heteroskedastisitas menunjukkan bahwa variasi variabel tidak sama untuk semua pengamatan. Jika residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak heteroskedastisitas. Uji heteroskedastisitas dapat dilakukan dengan 2 langkah yaitu secara grafik dan secara statistik, adapun hasil pengujian heteroskedastisitas dalam penelitian ini adalah sebagai berikut:
a. Uji heteroskedastisitas secara grafik (Scatterplot)
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang diprediksi, dan sumbu X adalah residual (Y prediksi - Y sesungguhnya) yang telah di studentized
b. Uji heteroskedastisitas secara statistik
Uji heteroskedastisitas juga dapat dilakukan dengan menggunakan uji
glesjer yaitu dengan tujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residualsatu pengamatan ke pengamatan yang lain. Apabila koefisien korelasi dari masing-masing variabel bebas ada yang signifikan pada tingkat kekeliruan dibawah 5%, mengindikasikan adanya gejala heteroskedastisitas dan jika nilai signifikan pada tingkat kekeliruan di atas 5%, mengindentifikasikan tidak adanya gejala heteroskedastisitas. G. Analisis Regresi Linear Berganda
Analisis regresi berganda Sigunakan untuk meramalkan pengaruh dua atau lebih variabel prediktor (variabel bebas) terhadap satu variabel kriterium (variabel terikat) atau untuk membuktikan ada atau tidaknya hubungan fungsional antara dua buah variabel bebas (X) atau lebih dengan sebuah variabel terikat (Y).
Y = a + b1 X b1 + b2 X2 + b3 X b3 +e
Keterangan :
Y : Kepuasan pelanggan
a : Konstanta
b1, b2, b3 : Koefisien regresi linier masing-masing variabel X1 : Kualitas Pelayanan
X2 : Harga
e : Standar kesalahan H. Uji Hipotesis
1. Uji t Hitung dengan Uji Parsial
Uji Statistik t Pada dasarnya menunjukan seberapa jauh pengaruh variabel penjelas atau independen secara individual dalam menerangkan variasi variabel dependen (Ghozali, 2009:88).
Rumus uji t sebagai berikut :
T uji = r √n-2 √1-r2 keterangan : t uji : t hitung r : koefisien korelasi n : Jumlah sample n-2 : derajat kebebasan
Dalam pengujian hipotesis yang menggunakan uji dua pihak ( two tails) ini berlaku ketentuan, bahwa bila harga t hitung, berada pada daerah penerimaan HO atau terletak diantara harga table, maka HO diterima dan Ha di Tolak. Dengan demikian bila harga t hitung lebih kecil atau sama dengan (≤) dari harga table maka HO di terima. Harga t hitung adalah harga mutlak, jadi tidak dilihat (+) atau (-) nya ( Sugiyono,2010:7).
Menurut Duwi Priyanto (2010 : 69), dasar pengambilan keputusan adalah sebagai berikut :
Jika nilai Probabilitas lebih besar dari 0,05, maka HO diterima atau Ha ditolak, ini berarti menyatakan bahwa variabel independen atau bebas tidak mempunyai pengaruh secara individual terhadap variabel dependen atau terikat.
2) Ha : β1 ≠ 0
Jika nilai probabilitas lebih kecil dari 0,05, maka HO ditolak atau Ha diterima, ini berarti menyatakan bahwa variabel independen atau bebas mempunyai pengaruh secara individual terhadap variabel dependen atau terikat.
2. Uji FHitung (Uji simultan)
Menurut Ghozali (2012:98), uji statistic F pada dasarnya menunjukan apakah semua variabel independen atau bebas yang dimaksudkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat. Salah satu cara melakukan uji F adalah dengan membandingkan nilai F hasil perhitungan dengan nilai F menurut tabel. Bila nilai F hitung besar daripada nilai F table, maka kita menerima hipotesis alternative yang menyatakan bahwa semua variabel independen secara simultan mempengaruhi variabel dependen (Ghozali,2012).
rumus uji f : F = R2(N – m – 1) m (1 – R2) Keterangan :
m : Jumlah Variabel predictor
Menurut (Duwi Priyatno,2010), dasar pengambilan keputusan adalah sebagai berikut :
1) HO : β1 = 0
Jika nilai probabilitas lebih besar dari 0,05, maka HO diterima atau Ha ditolak, ini berarti menyatakan bahwa semua variabel independen atau bebas tidak mempunyai pengaruh secara bersama-sama terhadp variabel dependen atau terikat.
2) Ha : β1 ≠ 0
Jika nilai probabilitas lebih kecil dari 0,05, maka HO ditolak atau Ha diterima, ini berarti menyatakan bahwa semua variabel independen atau bebas mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat.
I. Koefisien Derminasi (R2)
Koefisien determinasi (Adjusted R2) bertujuan untuk mengetahui seberapa besar kemampuan variabel independen menjelaskan variabel dependen dan untuk mengetahui seberapa besar kemampuan variabel independen menjelaskan variabel dependennya yang dilihat melalui Adjusted
R Square karena variabel independen yang diteliti dalam penelitian ini lebih dari dua. Dalam output SPSS, koefisien determinasi terletak pada tabel Model Summaryb dan tertulis Adjusted R Square. Nilai R2 sebesar 1, berarti pengaruh variabel dependen seluruhnya dapat dijelaskan oleh variabel independen dan tidak ada faktor lain yang menyebabkan pengaruh variabel dependen. Jika
nilai Adjusted R2 berkisar antara 0 sampai dengan 1, berarti semakin kuat kemampuan variabel independen dapat menjelaskan pengaruh variabel dependen (Ghozali, 2009:87).