BAB IV HASIL PENELITIAN DAN PEMBAHASAN
D. Pengujian Data Instrumen
1. Uji Validitas dan Uji Reliabilitas
Untuk mengetahui dan menilai validnya masing-masing item kuesioner, maka perlu mengkorelasikan masing-masing pernyataan dengan jumlah skor masing-masing variabel. Skor valid atau tidaknya instrument ditentukan apabila r hitung > 0,30. Maka item kuesioner tersebut valid, sebaliknya apabila r hitung < 0,30. Maka dapat dikatakan item kuesioner tidak valid.
Berdasarkan hasil pengujian validitas menggunakan SPSS versi 22 yang telah dilakukan diperoleh ringkasan hasil terlihat sebagai berikut:
50
Tabel 4. 5
Hasil Uji Validitas Variabel Harga No Butir Pernyataan Person Correlation Nilai koefisien Keterangan P1 0,714 0,30 Valid P2 0,726 0,30 Valid P3 0,796 0,30 Valid
Sumber : data olahan SPSS 22 (2020)
Berdasarkan table 4.5 setelah dilakukan perhitungan dapat diketahui bahwa seluruh pernyataan variabel dapat dikatakan valid karena memiliki nilai signifikan > 0,30. Jadi dapat disimpulkan bahwa pernyataan pada variabel harga (X1) valid karena memiliki signifikansi. Selanjutnya, untuk pengujian validitas variabel kualitas layanan (X2) dapat dilihat sebagai berikut :
Tabel 4. 6
Hasil Uji Validitas Variabel Kualitas Layanan No Butir Pernyataan Person Correlation Nilai koefisien Keterangan P1 0,862 0,30 Valid P2 0,905 0,30 Valid P3 0,700 0,30 Valid P4 0,865 0,30 Valid P5 0,880 0,30 Valid P6 0,797 0,30 Valid
Sumber : data olahan SPSS 22 (2020)
Berdasarkan tabel 4.6 setelah dilakukan perhitungan dapat diketahui bahwa semua item pada variabel kualitas layanan dinyatakan valid karena melebihi batas nilai signifikan 0,30.
Selanjutnya pengujian validitas variabel kepuasan pelanggan (Y) dapat dilihat sebagai berikut :
Tabel 4. 7
Hasil Uji Validitas Variabel Kepuasan Pelanggan No Butir Pernyataan Person Correlation Nilai koefisien Keterangan P1 0,837 0,30 Valid P2 0,903 0,30 Valid P3 0,935 0,30 Valid P4 0,895 0,30 Valid P5 0,767 0,30 Valid P6 0,861 0,30 Valid
Sumber : data olahan SPSS 22 (2020)
Berdasarkan tabel 4.7 setelah dilakukan perhitungan dapat diketahui bahwa semua item pada variabel kepuasan pelanggan (Y) dinyatakan valid karena melebihi batas nilai signifikan 0,30.
b. Uji Reliabilitas
Pengujian reliabilitas dilakukan dengan menilai cronbach’s
alpha. Jika nilai cronbach’s alpha yang dihasilkan diatas atau sama
dengan 0,60 maka variable tersebut dinyatakan reliable atau handal. Berdasarkan hasil pengujian realibilitas yang telah dilakukan diperoleh ringkasan hasil terlihat pada tabel 4.5.
Tabel 4. 8 Hasil Uji Reliabilitas Variabel
Penelitian N.Item
Cronbach’s
Alpha Kesimpulan
Harga 3 0,654 Reliable
Kualitas layanan 6 0,908 Reliable
Kepuasan pelanggan 6 0,934 Reliable
Jumlah 15
52
Pada tabel 4.8 terlihat masing-masing item pernyataan yang mendukung variabel Harga, Kualitas Layanan, dan Kepuasan Pelanggan telah menghasilkan cronbach alpha diatas 0,60. Jadi dapat disimpulkan masing-masing variabel tersebut reliable atau handal.
2. Uji Asumsi Klasik a. Uji Normalitas
Uji normalitas pada penelitian ini dilakukan untuk mengetahui apakah dalam model regresi, semua variabel penelitian berdistribusi normal atau tidak. Uji normalitas pada model regresi digunakan untuk menguji apakah nilai residual yang dihasilkan dari regresi terdistribusi secara normal. Model regresi yang baik adalah memiliki nilai residual terdistribusi secara normal. Beberapa uji normalitas, yaitu dengan melihat penyebaran data pada sumber diagonal pada grafik Normal P-P Plot of regression Standardized Residual atau dengan uji One Sample Kolmogorov-Smirnov (Priyatno, 2014:90). Uji normalitas yang dilakukan dengan melihat grafik P-P Plot of regression Standardized Residual yang dapat dilihat melalui garfik di bawah ini:
Sumber : data olahan SPSS 22 (2020)
Gambar 4. 1 Histogram Uji Normalitas
Berdasarkan dari uji normalitas dengan menggunakan tabel P P Plot terlihat bahwa data tersebut disekitar garis diagonal dan menyebar disepanjang grafik histogramnya. Hal ini menunjukkan bahwa penelitian memiliki pola distribusi normal. Distribusi normal membentuk satu garis lurus diagonal, dan ploting data akan di bandingkan dengan garis diagonal. Untuk membuktikan normal atau tidaknya distribusi data hasil penelitian dapat dilihat dengan menggunakan uji normalitas dengan pendekatan Kolmogorov -Smirnov (K-S).
Berikut ini merupakan uji normalitas dengan menggunakan pendekatan Kolmogorov-Smirnov (K-S) yang dijelaskan pada tabel berikut:
54
Tabel 4. 9
Deskripsi Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test
a Test distribution is Normal. b Calculated from data.
Sumber : data olahan SPSS 22 (2020)
Berdasarkan uji normalitas dengan pendekatan KolmogorovSmirnov, residual berdistribusi normal jika nilai signifikasi lebih dari 0,05. Dari tabel 4.9 di atas, dapat diketahui bahwa data terdistribusi normal. Hal ini dilihat melalui nilai Asymtitic Significance (2-tailed), sebesar 0,967 > 0,05. Karena nilai gignifikansi lebih dari 0,05, maka nilai residual terdistribusi dengan normal.
b. Uji Multikolinieritas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya hubungan yang kuat diantara variabel independen. Jika terjadi kolerasi maka dinamakan terdapat problem multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara peubah bebas. Untuk mendeteksi adanya multikolinearitas dapat dilihat dari nilai VIF (variance inflaction factor). Apabila nilai VIF lebih kecil dari 0,10 atau lebih dari 10 maka terjadi multikolinearitas, sebaliknya tidak terjadi 52 multikolinearitas antar variabel independen apabila nilai VIF berada pada kisaran 0,10 sampai 10. (Atika, 2018,66).
Unstandardize d Residual
N 72
Normal Parameters(a,b) Mean ,0000000
Std. Deviation 2,31140445 Most Extreme Differences Absolute ,058 Positive ,058 Negative -,038 Kolmogorov-Smirnov Z ,495
Tabel 4. 10
Hasil uji Multikolinieritas
Sumber : data olahan SPSS 22 (2020)
Berdasarkan hasil diatas bahwa terlihat nilai tolerance 0,666 yang berarti hasil tersebut >0,10, dan nilai VIF sebesar 1,502<10. Dari hasil tersebut dapat disimpulkan bahwa model regresi yang digunkan dalam penelitian ini terbatas dari multikolinieritas.
c. Uji Heteroskedastisitas
Heteroskedestitas adalah varian residual yang tidak sama pada semua pengamatan didalam model rgresi yang baik seharusnya tidak heteroskedestitas (Priyatno, 2014:108). Uji heteroskedestitas dilakukan dengan metode scatterplot yaitu dengan melihat sebaran pola titik pada scatterplot regresi. Heteroskedestitas tidak terjadi jika titik-titik menyebar dengan pola yang tidak jelas diatas dan dibawah angka nol.
Model Collinearity Statistics Tolerance VIF 1 (Constant) Harga .666 1.502 kualitas layanan .666 1.502
56
Sumber : data olahan SPSS 22 (2020) Gambar 4. 2 Hasil uji Heteroskedastisitas
Dari gambar 4.2 dapat diketahui bahwa hasil uji heteroskedestitas menunjukkan bahwa titik-titik pada grafik
scatterplot tidak mempunyai pola penyebaran yang jelas dan titik
tersebut menyebar diatas dan dibawah angka nol pada sumbu Y, hal ini dapat disimpulkan bahwa tidak terdapat masalah heteroskedestitas pada model regresi. Berdasarkan gambar 4.1 dapat dilihat grafik scatterplot diatas sehingga model regresi layak dipakai untuk memprediksi harga dan kualitas layanan berdasarkan variabel independen yaitu kepuasan pelanggan.
d. Uji Autokorelasi
Uji Autokorelasi merupakan korelasi antara anggota observasi yang disusun menurut waktu dan tempat. Model regresi yang baik seharusnya tidak terjadi autokorelasi ( Priyatno, 2014:106). Salah satu cara menguji apakah terjadi autokorelasi dapat digunakan uji durbin watson (D – W test).
Tabel 4. 11 Hasil Uji Autokorelasi
D Dl Du 4-dl 4-du
2.336 1.5611 1.6751 2.4389 2.3249 Sumber : data olahan SPSS 22 (2020)
Berdasarkan tabel 4.11 hasil pengolahan data dengan program spss dengan uji autokorelasi Durbin Watson dan dengan melihat nilai tabel signifikansi 5% (0,05) dengan jumlah sampel 72 (N=72)= 1,5611 sehingga didapatkan hasil dU dari tabel r= 1,6751 berdasarkan variabel independen untuk dl dan du, maka dapat disimpulkan nilai du < d < 4-du, 1.6751 < 2.336 < 2.3249 maka tidak terdapat autokorelasi pada model regresi ini.