4. ANALISA DAN PEMBAHASAN.

(1)

4.1. Pendahuluan.

Pilot Study dilakukan selama kurang lebih 1 (satu) minggu pada periode november 2007 dengan melakukan wawancara pada pihak-pihak yang bertanggung jawab terhadap proyek, diantaranya adalah kontraktor, pengembang, dan pemakai akhir di wilayah Malang dan Surabaya, juga dilakukan penyebaran pada responden dalam jumlah kecil (kurang lebih sepuluh responden).

Penyebaran kuesioner dilakukan selama kurang lebih 2 (dua) bulan pada periode november 2007 sampai dengan januari 2008, responden yang mengisi kuesioner sebanyak 53 responden.

Kendala yang dihadapi peneliti adalah kendala waktu penyebaran yang hanya bisa dilakukan pada jam istirahat, kendala cuaca (hujan), serta wilayah penelitian di dua tempat, yaitu Malang dan Surabaya. Peneliti menyebarkan kuesioner dengan membimbing setiap responden dalam menjawab pernyataan demi pernyataan yang terdapat dalam kuesioner.

4.2. Gambaran Umum Proyek.

Proyek yang diteliti adalah proyek rangka atap baja ringan J-STEEL di wilayah Malang, dan Surabaya. Proyek rangka atap baja ringan J-STEEL yang diteliti adalah proyek rumah tinggal di wilayah Malang, dan Surabaya.

Penyebaran kuesioner dilakukan (diberikan) pada saat yang berwenang dalam proyek tersebut telah menandatangani kontrak kerja dengan distributor J-STEEL pada tahun 2007 di wilayah Malang, dan Surabaya untuk memasang rangka atap baja ringan di proyeknya masing-masing, dan setiap proyek diberikan 1 (satu) lembar kuesioner.

(2)

48

4.3. Gambaran Umum Responden.

Responden yang mengisi kuesioner sebanyak 53 responden yang berjenis kelamin laki-laki (79%) dan perempuan (21%), selengkapnya dapat dilihat pada Gambar 4.1.

Laki-laki 79%

Perempuan 21%

Gambar 4.1. Persentase Jenis Kelamin.

Usia responden berkisar antara 20-25 tahun (0 %), 26-30 tahun (6 %), 31-35 tahun (25 %), 36-40 tahun (39 %), 41-45 tahun (28 %), dan > 45 tahun (2 %), selengkapnya dapat dilihat pada Gambar 4.2.

31-35 th 25%

36-40 th 39%

41-45 th 28%

>45 th 2%

20-25th 0%

26-30 th 6%

Gambar 4.2. Persentase Usia.

(3)

Pendidikan terakhir responden berkisar antara SD (0 %), SLTP (0 %), SLTA (6 %), D-3 (6 %), S-1 (77 %), dan S2 - S3 (11 %), sehingga sebagian besar responden mengikuti pendidikan sampai dengan jenjang S-1 (strata satu), selengkapnya dapat dilihat pada Gambar 4.3.

S-1 77%

SLTA

6% D-3

6%

SD 0%

SLTP S2 / S-3 0%

11%

Gambar 4.3. Persentase Pendidikan Terakhir.

Jabatan responden yang mengisi kuesioner adalah konsultan (0 %), manajer (11 %), direktur (2 %), pemilik (78 %), dan lainnya (9 %), selengkapnya dapat dilihat pada Gambar 4.4.

Pemilik 78%

Lainnya 9%

Konsultan 0%

Manajer

11% Direktur 2%

Gambar 4.4. Persentase Jabatan.

(4)

50

Kota lokasi proyek LSF dalam penelitian ini adalah Surabaya (49 %), dan Malang (51 %), selengkapnya dapat dilihat pada Gambar 4.5.

Surabaya 49%

Malang 51%

Gambar 4.5. Persentase Kota Lokasi Proyek LSF.

Responden mengunakan LSF selama 1-2 tahun (43 %), 3-4 tahun (34 %), dan

> 5 tahun (23 %), (selengkapnya dapat dilihat pada Gambar 4.6.) responden sebagian besar mengunakan LSF selama 1-2 tahun.

3 - 4 tahun 34%

> 5 tahun 23%

1 - 2 tahun 43%

Gambar 4.6. Persentase Responden Menggunakan LSF.

(5)

Data jumlah responden untuk setiap jenis bidang konstruksi pada setiap wilayah dapat dilihat pada Tabel 4.1., dan Gambar 4.7. Responden yang mengisi kuesioner pada setiap wilayah adalah kontraktor, pengembang, dan pemakai akhir.

Tabel 4.1. Jumlah Responden Pada Setiap Wilayah.

Responden Wilayah

Surabaya 6 4 16 26

Malang 9 7 11 27

Total 15 11 27 53

Kontraktor Pengembang Pemakai Akhir Total

0% 20% 40% 60% 80% 100%

Surabaya Malang

Kontraktor Pengembang Pemakai Akhir

Gambar 4.7. Persentase Jumlah Responden Pada Setiap Wilayah.

4.4. Uji Measurement Model.

4.4.1. Uji Measurement Model Awal.

Uji measurement model dengan menggunakan program Amos 7, proses permodelan dalam penelitian untuk menyelidiki unidimensionalitas dari indikator- indikator yang menjelaskan sebuah variabel laten.

Peneliti mencoba-coba berbagai model agar hasil uji hipotesis (chi-square, df, probability, cmin/df, gfi, tli, cfi, dan rmsea) mendapatkan nilai yang lebih baik, dengan syarat sebagai berikut ini.

(6)

52

Tabel 4.2. Goodness of Fit Index.

Goodness of fit index Cut-off value

χ² - Chi-Square < χ² tabel Derajat bebas, DF

x² - Significance Probability ≥ 0,05 Relatif x² (CMIN/DF) ≤ 2

GFI mendekati 1

TLI mendekati 1

CFI mendekati 1

RMSEA ≤ 0,08

(Sumber : Ferdinand, 2000 : p.52-59).

Indikasi permodelan tersebut dapat diterima dalam program Amos 7, dengan menyalanya indikasi . Adapun hasil analisanya adalah sebagai berikut ini.

Gambar 4.8. Uji Measurement Model Kualitas Awal.

Uji Goodness-of-fit terhadap model pada Gambar 4.8., menunjukkan indeks- indeks sebagai berikut ini (Tabel 4.3.).

(7)

Tabel 4.3. Hasil Goodness of Fit Index Kualitas Awal.

Goodness of fit index Cut-off value Hasil Model Keterangan

χ² - Chi-Square < χ² tabel 85.249 diharapkan nilainya kecil

Derajat bebas, DF 35

x² - Significance Probability ≥ 0,05 0 tidak baik

Relatif x² (CMIN/DF) ≤ 2 2.436 tidak baik

GFI mendekati 1 0.781 cukup baik

TLI mendekati 1 0.28 tidak baik

CFI mendekati 1 0.44 tidak baik

RMSEA ≤ 0,08 0.165 tidak baik

Uji measurement model kualitas Awal pada Tabel 4.3., menunjukkan bahwa model tersebut dapat diterima dengan indikasi , tetapi tidak signifikan karena nilai probability = 0.

Gambar 4.9. Uji Measurement Model Waktu Awal.

Uji Goodness-of-fit terhadap model pada Gambar 4.9., menunjukkan indeks- indeks sebagai berikut ini (Tabel 4.4.).

(8)

54

Tabel 4.4. Tabel Hasil Goodness of Fit Index Waktu Awal.

Goodness of fit index Cut-off value Hasil Model Keterangan

x² - Significance Probability ≥ 0,05 0.455 baik

Relatif x² (CMIN/DF) ≤ 2 1.008 baik

TLI mendekati 1 0.983 baik

CFI mendekati 1 0.987 baik

RMSEA ≤ 0,08 0.02 baik

Uji measurement model waktu awal pada Tabel 4.8., menunjukkan bahwa model tersebut dapat diterima dengan indikasi , dan sangat signifikan karena nilai probability = 0,455, tetapi nilai GFI = 0,708 (cukup baik).

Gambar 4.10. Uji Measurement Model Biaya Awal.

Uji Goodness-of-fit terhadap model pada Gambar 4.10., menunjukkan indeks-indeks sebagai berikut ini (Tabel 4.5.).

(9)

Tabel 4.5. Hasil Goodness of Fit Index Biaya Awal.

x² - Significance Probability ≥ 0,05 0.059 baik

Relatif x² (CMIN/DF) ≤ 2 1.397 Baik

TLI mendekati 1 0.751 cukup baik

CFI mendekati 1 0.806 cukup baik

Uji measurement model biaya awal pada Tabel 4.5., menunjukkan bahwa model tersebut dapat diterima dengan indikasi , dan sangat signifikan karena nilai probability = 0,455, tetapi nilai RMSEA = 0,087 (tidak baik).

Gambar 4.11. Uji Measurement Model Kepuasan Pemakai Awal.

(10)

56

Tabel 4.6. Hasil Goodness of Fit Index Kepuasan Pemakai Awal.

x² - Significance Probability ≥ 0,05 0.001 tidak baik

Relatif x² (CMIN/DF) ≤ 2 1.894 baik

TLI mendekati 1 0.683 cukup baik

CFI mendekati 1 0.753 cukup baik

Uji measurement model kepuasan pemakai awal pada Tabel 4.6., menunjukkan bahwa model tersebut dapat diterima dengan indikasi , dan tidak signifikan karena nilai probability sebesar 0,001, dan nilai RMSEA sebesar 0,131 (tidak baik).

Peneliti mencoba melakukan beberapa pengujian-pengujian agar nilai uji hipotesa dapat memenuhi persyaratan statistik, adapun pengujian-pengujian yang dimaksud dapat dilihat pada uji measurement model akhir.

4.4.2. Uji Measurement Model Akhir.

Uji measurement model akhir yaitu pengujian model yang diperoleh oleh peneliti dengan memberikan hubungan korelasi atau kovarian (↔) antara error a dengan error b.

Pemberian hubungan korelasi (kovarian) dapat dilihat pada amos output di modification indices dalam tabel covariances (group number 1 – default model) dengan melihat nilai MI (modification indices) yang terbesar dahulu di kovarian (↔) antara error a dengan error b, lalu dianalisa dan dilihat hasil dari uji hipotesa hingga mendapatkan hasil yang memenuhi persyaratan statistik.

Peneliti mendapatkan hasil yang lebih baik dari sebelumnya dengan membandingkan hasil uji hipotesa model awal dengan hasil uji hipotesa akhir, adapun hasil akhirnya adalah sebagai berikut ini.

(11)

Gambar 4.12. Uji Measurement Model Kualitas Akhir.

Tabel 4.7. Hasil Goodness of Fit Index Kualitas Akhir.

Goodness of fit index Cut-off value Awal Akhir Keterangan

χ² - Chi-Square < χ² tabel 85.249 33.475 baik

Derajat bebas, DF 35 29 (df = 29 ; χ² tabel = 42,557)

x² - Significance Probability ≥ 0,05 0 0.259 baik

Relatif x² (CMIN/DF) ≤ 2 2.436 1.154 baik

GFI mendekati 1 0.781 0.901 baik

TLI mendekati 1 0.28 0.923 baik

CFI mendekati 1 0.44 0.95 baik

RMSEA ≤ 0,08 0.165 0.054 baik

Hasil Model

Uji measurement model kualitas akhir pada Tabel 4.7., menunjukkan bahwa setelah model tersebut diberikan kovarian (antara e2 (error 2) dengan e7, e2

dengan e9, dan seterusnya), menghasilkan penurunan χ² sebesar 51,774, nilai DF turun sebesar 6, dan seterusnya, sehingga model dapat diterima dengan indikasi

, dan sangat signifikan karena nilai probability = 0,259.

(12)

58

Gambar 4.13. Uji Measurement Model Waktu Akhir.

Tabel 4.8. Hasil Goodness of Fit Index Waktu Akhir.

x² - Chi-Square < x²tabel 35,284 24,064 baik

Derajat bebas, DF 35 24 (df = 24 ; x²tabel = 36,415)

x² - Significance Probability ≥ 0,05 0,455 0,458 baik

Relatif x² (CMIN/DF) ≤ 2 1,008 1,003 baik

GFI mendekati 1 0,708 0,914 baik

TLI mendekati 1 0,983 0,999 baik

CFI mendekati 1 0,987 1 baik

RMSEA ≤ 0,08 0,02 0,007 baik

Hasil Model

Uji measurement model waktu akhir pada Tabel 4.8., menunjukkan bahwa setelah model tersebut diberikan kovarian (antara e12 (error 12) dengan e13, e15

dengan e16, dan seterusnya), menghasilkan penurunan χ² sebesar 11,22, nilai DF turun sebesar 11, dan seterusnya, sehingga model dapat diterima dengan indikasi

, dan sangat signifikan karena nilai probability = 0,458.

(13)

Gambar 4.14. Uji Measurement Model Biaya Akhir.

Tabel 4.9. Hasil Goodness of Fit Index Biaya Akhir.

x² - Significance Probability ≥ 0,05 0.059 0.369 baik

RMSEA ≤ 0,08 0.087 0.035 baik

Hasil Model

Uji measurement model biaya akhir pada Tabel 4.9., menunjukkan bahwa setelah model tersebut diberikan kovarian (antara e21 (error 21) dengan e23, dan e23 dengan e26), menghasilkan penurunan χ² sebesar 13,801, nilai DF turun sebesar 2, dan seterusnya, sehingga model dapat diterima dengan indikasi , dan sangat signifikan karena nilai probability = 0,369.

(14)

60

Gambar 4.15. Uji Measurement Model Kepuasan Pemakai Akhir.

Tabel 4.10. Hasil Goodness of Fit Index Kepuasan Pemakai Akhir.

x² - Significance Probability ≥ 0,05 0.001 0.128 baik

RMSEA ≤ 0,08 0.131 0.074 baik

Hasil Model

Uji measurement model kepuasan pemakai akhir pada Tabel 4.10., menunjukkan bahwa setelah model tersebut diberikan kovarian (antara e33 (error 33) dengan e34, dan e33 dengan e37), menghasilkan penurunan x² sebesar 23,945, nilai DF turun sebesar 2, dan seterusnya, sehingga model dapat diterima dengan indikasi , dan sangat signifikan karena nilai probability = 0,128.

(15)

Rangkuman uji validitas konvergen dengan program Amos 7, dapat dilihat pada tabel 4.11. sebagai berikut ini.

Tabel 4.11. Rangkuman Uji Validitas Konvergen.

Variabel Uji Validitas

Kualitas Sahih dengan menggunakan covariance

Waktu Sahih dengan menggunakan covariance

Biaya Sahih dengan menggunakan covariance

Kepuasan Pemakai Sahih dengan menggunakan covariance

4.5. Uji Structural Model.

Uji structural model dengan menggunakan program Amos 7, kegunaannya untuk mengambarkan model-model kausalitas dengan hubungan berjenjang.

Peneliti mencoba-coba berbagai model agar hasil uji hipotesis (chi-square, df, probability, cmin/df, gfi, tli, cfi, dan rmsea) mendapatkan nilai yang lebih baik, dengan syarat seperti pada Tabel 4.2. (Tabel Goodness of Fit Index), sehingga dapat memenuhi persyaratan statistik.

Tabel 4.2. Goodness of Fit Index.

Goodness of fit index Cut-off value χ² - Chi-Square < χ² tabel Derajat bebas, DF

x² - Significance Probability ≥ 0,05 Relatif x² (CMIN/DF) ≤ 2

GFI mendekati 1

TLI mendekati 1

CFI mendekati 1

RMSEA ≤ 0,08

(Sumber : Ferdinand, 2000 : p.52-59).

Indikasi permodelan tersebut dapat diterima dalam program Amos 7, dengan menyalanya indikasi . Adapun hasil analisa uji structural model adalah sebagai berikut ini.

(16)

62

Gambar 4.16. Uji Structural Model Awal.

Tabel 4.12. Hasil Goodness of Fit Index Awal.

Goodness of fit index Cut-off value Hasil Model Keterangan

x² - Significance Probability ≥ 0,05 0 tidak baik

Relatif x² (CMIN/DF) ≤ 2 2.074 tidak baik

GFI mendekati 1 0.435 tidak baik

TLI mendekati 1 0.291 tidak baik

CFI mendekati 1 0.333 tidak baik

Uji structural model awal pada Tabel 4.12., menunjukkan bahwa model tersebut dapat diterima (layak) dengan indikasi , dan tidak signifikan karena nilai probability = 0.

(17)

Gambar 4.17. Uji Structural Model Kedua.

Tabel 4.13. Hasil Goodness of Fit Index Kedua.

Goodness of fit index Cut-off value Awal Kedua Keterangan

χ² - Chi-Square < χ² tabel 1522.2 768.5 diharapkan nilainya kecil

Derajat bebas, DF 734 695

x² - Significance Probability ≥ 0,05 0 0.027 tidak baik

GFI mendekati 1 0.435 0.44 tidak baik

TLI mendekati 1 0.291 0.701 cukup baik

CFI mendekati 1 0.333 0.72 cukup baik

RMSEA ≤ 0,08 0.144 0.061 baik

Hasil Model

Uji structural model kedua pada Tabel 4.13., dengan mengorbankan indikator x5 (material tahan karat) pada variabel kualitas dan memberikan kovarian pada e24

dengan e30, menunjukkan bahwa model tersebut dapat diterima (layak) dengan indikasi , dan tidak signifikan karena nilai probability = 0,027.

(18)

64

Gambar 4.18. Uji Structural Model Akhir.

Tabel 4.14. Hasil Goodness of Fit Index Akhir.

Goodness of fit index Cut-off value Awal Kedua Akhir Keterangan

χ² - Chi-Square < χ² tabel 1522.17 768.502 1389 diharapkan nilainya kecil

Derajat bebas, DF 734 695 713

x² - Significance Probability ≥ 0,05 0 0.027 0 tidak baik

Relatif x² (CMIN/DF) ≤ 2 2.074 1.106 1.948 baik

GFI mendekati 1 0.435 0.44 0.498 tidak baik

TLI mendekati 1 0.291 0.701 0.374 tidak baik

CFI mendekati 1 0.333 0.72 0.428 tidak baik

RMSEA ≤ 0,08 0.144 0.061 0.135 tidak baik

Hasil Model

Uji structural model akhir pada Tabel 4.14., dengan tidak mengorbankan indikator x5 (material tahan karat) pada variabel kualitas dan memberikan kovarian pada e21 dengan e23, e23 dengan e26, dan seterusnya, menunjukkan bahwa

(19)

model tersebut dapat diterima (layak) dengan indikasi , dan tidak signifikan karena nilai probability = 0.

Rangkuman uji validitas diskriminan dengan program Amos 7, dapat disimpulkan bahwa uji validitas diskriminan tidak sahih meskipun menggunakan covariance, selanjutnya analisa model akan menggunakan program analisa regresi sederhana melalui program statistik SPS 2000, dan SPSS 13.

4.6. Analisa Total, Direct, dan Indirect Standardized Effect.

Pengujian model (dapat dilihat pada lembar Lampiran 6, halaman 120-125) menunjukkan efek langsung, efek tidak langsung, dan efek total dari hasil analisa Amos 7.

Hasilnya tidak ada variabel antara, maka indirect standardized effect bernilai 0 atau tidak ada.

4.6.1. Analisa Direct Standardized Effect.

Tabel Direct Standardized Effect menunjukkan bahwa terdapat efek langsung (Direct Effect) dari biaya terhadap kepuasan pemakai sebesar 0,838, demikian juga efek langsung dari waktu terhadap kepuasan pemakai sebesar 0,288, serta efek langsung dari kualitas terhadap kepuasan pemakai sebesar -0,001.

Efek langsung dari variabel lainnya adalah loading factor atau lamda dari masing-masing variabel indikator yang membentuk variabel laten yang di analisa.

4.6.2. Analisa Indirect Standardized Effect.

Tabel Indirect Standardized Effect menunjukkan efek tidak langsung dari masing-masing konstruk terhadap sebuah konstruk tertentu, misalnya efek tidak langsung dari biaya terhadap kepuasan pemakai sebesar 0, demikian juga efek tidak langsung dari waktu terhadap kepuasan pemakai sebesar 0, serta efek tidak langsung dari kualitas terhadap kepuasan pemakai sebesar 0, yang artinya tidak ada efek tidak langsung.

(20)

66

4.6.3. Analisa Total Standardized Effect.

Tabel Total Standardized Effect menunjukkan efek total dari masing-masing konstruk terhadap sebuah konstruk tertentu.

Efek total dari biaya terhadap kepuasan pemakai sebesar 0,838 (sama besarnya dengan efek langsungnya, sebab tidak ada hubungan lain yang dapat mempengaruhi kekuatan biaya ini).

Efek total dari waktu terhadap kepuasan pemakai sebesar 0,288 (sama besarnya dengan efek langsungnya, sebab tidak ada hubungan lain yang dapat mempengaruhi kekuatan waktu ini).

Efek tidak langsung dari kualitas terhadap kepuasan pemakai sebesar -0,001 (sama besarnya dengan efek langsungnya, sebab tidak ada hubungan lain yang dapat mempengaruhi kekuatan kualitas ini).

4.7. Metode Analisa Regresi Sederhana.

Metode analisa regresi sederhana meliputi uji validitas, uji reliabilitas, uji normalitas, uji linieritas, uji homogenitas, uji kolinieritas, dan uji outlier, selengkapnya adalah sebagai berikut.

4.7.1. Uji Validitas.

Uji validitas tidak dibedakan berdasar wilayah proyek (Malang, dan Surabaya), melainkan secara keseluruhan pernyataan pada kuesioner yang dijawab oleh responden pada keempat variabel (kualitas, biaya, waktu, dan kepuasan pemakai). Uji validitas (kesahihan) perlu dilakukan untuk mengetahui seberapa tepat suatu alat ukur mampu melakukan fungsi.

Langkah-langkah yang dilakukan adalah analisa kesahihan butir (validity) dengan menggunakan program SPS 2000 untuk masing-masing variabel (kualitas, waktu, biaya, dan kepuasan pemakai), beserta indikatornya dengan syarat p (probabilitas) < 0,05, hasil dari analisanya adalah sebagai berikut ini.

(21)

Gambar 4.19. Hasil Uji Validitas Kualitas.

Gambar 4.19. menerangkan bahwa pada variabel kualitas, butir 23, 13, 10, 19, 16, 30, 12, 25, 28, dan 5 memiliki status sahih.

0,001 0,003 0,01

0

0,015 0,02

0,005 0,036

0,049

0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05

0 0 0,01 0,02 0,03 0,04 0,05 0,06

p 0,001 0,003 0,01 0 0 0,015 0,02 0,005 0,036 0,049

p (syarat) 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05

Bahan baku

berkualitas Desain Ramah lingkungan

Kemasan

material Personil Kerapian pengerjaan

Garansi material

Material anti rayap

Muai dan susut

Material anti karat

Gambar 4.20. Probabilitas Butir pada Variabel Kualitas.

Probabilitas pada semua butir (butir 23, 13, 10, 19, 16, 30, 12, 25, 28, dan 5.) memenuhi persyaratan p < 0,05.

(22)

68

Gambar 4.21. Hasil Uji Validitas Waktu.

Gambar 4.21. menerangkan bahwa pada variabel waktu, butir 18 (instalasi cepat), dan 38 (pengadaan bahan) memiliki status gugur, sedangkan butir 3, 26, 15, 4, 1, 6, 9, dan 2 memiliki status sahih.

0,09

0,064

0 0,001 0 0

0,018 0

0,035

0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05

0,005 0

0,02 0,04 0,06 0,08 0,1

p 0,09 0,064 0 0,005 0,001 0 0 0,018 0 0,035

p (syarat) 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05

Instalasi cepat

P engadaan bahan

P engadaan alat

P erubahan

pekerjaan P elayanan Struktural Keterampila n pekerja

P enguranga n pekerja

Keterlambat an pembayaran

P erubahan cuaca

Gambar 4.22. Probabilitas Butir pada Variabel Waktu.

Probabilitas pada butir 3, 26, 15, 4, 1, 6, 9, dan 2 memenuhi persyaratan p < 0,05, kecuali butir 18 (instalasi cepat) dan 38 (pengadaan bahan).

(23)

Gambar 4.23. Hasil Uji Validitas Biaya.

Gambar 4.23. menerangkan bahwa pada variabel biaya, butir 31 (kompetisi harga) memiliki status gugur, sedangkan butir 8, 32, 20, 33, 35, 29, 24, 40, dan 17 memiliki status sahih.

0,001 0 0,004 0,002 0,002 0,001 0,007 0 0,009

0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05

0,323

0 0,05 0,1 0,15 0,2 0,25 0,3 0,35

p 0,001 0 0,004 0,323 0,002 0,002 0,001 0,007 0 0,009

p (syarat) 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05

Life time tinggi

P enyediaan energi

P erubahan pekerjaan

Kompetisi

harga Model atap Struktural Berat material

Jenis pekerjaan

Kemiringan atap

P enutup atap

Gambar 4.24. Probabilitas Butir pada Variabel Biaya.

Probabilitas pada butir 8, 32, 20, 33, 35, 29, 24, 40, dan 17 memenuhi persyaratan p < 0,05, kecuali butir 31 (kompetisi harga).

(24)

70

Gambar 4.25. Hasil Uji Validitas Kepuasan Pemakai.

Gambar 4.25. menerangkan bahwa pada variabel kepuasan pemakai, butir 11 (features), 36 (reliability), dan 27 (aesthetic) memiliki status gugur, sedangkan butir 21, 37, 39, 7, 14, 22, dan 34 memiliki status sahih.

0,012 0,468

0,104

0,006 0

0,141

0 0 0

0,05 0,05 0,05 0,0040,05 0,05 0,05 0,05 0,05 0,05 0,05 0

0,1 0,2 0,3 0,4 0,5

p 0,012 0,468 0,104 0,004 0,006 0 0,141 0 0 0

p (syarat) 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05

P erformance Features Reliability

Conformance to specification

Durability Serviceabilit

y Aesthetic P erceived

quality Tanggapan Biaya yang wajar

Gambar 4.26. Probabilitas Butir pada Variabel Kepuasan Pemakai.

Probabilitas pada butir 21, 37, 39, 7, 14, 22, dan 34 memenuhi persyaratan p < 0,05, kecuali butir 11 (features), 36 (reliability), dan 27 (aesthetic).

(25)

4.7.2. Uji Reliabilitas.

4.7.2.1. Teknik Cronbach’s Alpha.

Uji reliabilitas dilakukan untuk suatu informasi dapat dinyatakan andal sekiranya diadakan amatan ulangan hasilnya tetap mantap atau stabil seperti yang diungkapkan semula.

Langkah-langkah yang dilakukan adalah uji reliabilitas menggunakan program SPSS 13 untuk masing-masing variabel kualitas, biaya, waktu, dan kepuasan pemakai beserta indikatornya dengan syarat nilai cronbach’s alpha, sebagai berikut ini (Budi, 2006 : p.248).

Tabel 4.15. Tingkat Reliabilitas Berdasarkan Nilai Alpha.

Alpha Tingkat Reliabilitas 0,00 s.d. 0,20 Kurang Reliabel

> 0,20 s.d. 0,40 Agak Reliabel

> 0,40 s.d. 0,60 Cukup Reliabel

> 0,60 s.d. 0,80 Reliabel

> 0,80 s.d. 1,00 Sangat Reliabel

Hasil keseluruhan analisa reliabilitas dari program statistik SPSS 13 adalah sebagai berikut ini.

Reliability Statistics

,739 11

Cronbach's

Alpha N of Items

Gambar 4.27. Uji Reliabilitas Kualitas dengan Teknik Cronbach’s Alpha.

Uji reliabilitas variabel kualitas pada Gambar 4.27., dapat dilihat bahwa nilai cronbach’s alpha = 0,739, sehingga tingkat reliabilitasnya adalah reliabel (andal).

(26)

72

,780 11

Cronbach's

Alpha N of Items

Gambar 4.28. Uji Reliabilitas Waktu dengan Teknik Cronbach’s Alpha.

Uji reliabilitas variabel waktu pada Gambar 4.28., dapat dilihat bahwa nilai cronbach’s alpha =0,780, sehingga tingkat reliabilitasnya adalah reliabel (andal).

,732 11

Cronbach's

Alpha N of Items

Gambar 4.29. Uji Reliabilitas Biaya dengan Teknik Cronbach’s Alpha.

Uji reliabilitas variabel biaya pada Gambar 4.29., dapat dilihat bahwa nilai cronbach’s alpha = 0,732, sehingga tingkat reliabilitasnya adalah reliabel (andal).

,686 11

Cronbach's

Alpha N of Items

Gambar 4.30. Uji Reliabilitas Kepuasan Pemakai dengan Teknik Cronbach’s Alpha.

Uji reliabilitas variabel kepuasan pemakai pada Gambar 4.30., dapat dilihat bahwa nilai cronbach’s alpha = 0,686, sehingga tingkat reliabilitasnya adalah reliabel (andal).

Rangkuman uji reliabilitas dengan program SPSS 13, dapat dilihat pada tabel 4.16. sebagai berikut ini.

(27)

Tabel 4.16. Rangkuman Uji Reliabilitas dengan Teknik Cronbach’s Alpha.

Variabel Uji Reliabilitas

Kualitas Andal

Waktu Andal

Biaya Andal

Kepuasan Pemakai Andal

4.7.2.2. Teknik Hoyt.

Uji reliabilitas dengan teknik Cronbach’s Alpha dengan program SPSS tersebut di uji silang dan dibandingkan dengan teknik Hoyt.

Uji reliabilitas dengan teknik Hoyt menggunakan program SPS 2000, adapun langkah-langkah yang dilakukan adalah untuk masing-masing variabel kualitas, biaya, waktu, dan kepuasan pemakai beserta indikatornya. Hasil keseluruhan analisa reliabilitas adalah sebagai berikut ini.

Gambar 4.31. Uji Reliabilitas Kualitas dengan Teknik Hoyt.

Uji reliabilitas variabel kualitas pada Gambar 4.31., dapat dilihat bahwa nilai rtt (korelasi keandalan Hoyt) = 0,681, dan p = 0, sehingga tingkat reliabilitasnya adalah andal.

(28)

74

Gambar 4.32. Uji Reliabilitas Waktu dengan Teknik Hoyt.

Gambar 4.33. Uji Reliabilitas Biaya dengan Teknik Hoyt.

(29)

Gambar 4.34. Uji Reliabilitas Kepuasan Pemakai dengan Teknik Hoyt.

Uji reliabilitas variabel kualitas pada Gambar 4.34., dapat dilihat bahwa nilai rtt (korelasi keandalan Hoyt) = 0,778, dan p = 0, sehingga tingkat reliabilitasnya adalah andal. Rangkuman uji reliabilitas dengan program SPS 2000, dapat dilihat pada tabel 4.17, dan rangkuman uji reliabilitas dengan teknik Cronbach’s Alpha dan Hoyt, dapat dilihat pada tabel 4.18. sebagai berikut ini.

Tabel 4.17. Rangkuman Uji Reliabilitas dengan Teknik Hoyt.

Variabel Uji Reliabilitas

Kualitas Andal

Waktu Andal

Biaya Andal

Kepuasan Pemakai Andal

Tabel 4.18. Rangkuman Uji Reliabilitas.

Variabel

Cronbach's Alpha Hoyt

Kualitas Andal Andal

Waktu Andal Andal

Biaya Andal Andal

Kepuasan Pemakai Andal Andal

Uji Reliabilitas

Kesimpulannya adalah seluruh variabel (kualitas, waktu, biaya, dan kepuasan pemakai) ternyata andal.

(30)

76

4.7.3. Uji Normalitas Sebaran.

Uji normalitas sebaran dengan menggunakan program SPS 2000, keluaran program akan memberitahukan apakah sebarannya normal atau tidak. Kaidah yang digunakan adalah jika p > 0,05 maka sebarannya dinyatakan normal, dan sebaliknya jika p < 0,05 sebarannya dinyatakan tidak normal, adapun hasil analisanya dapat dilihat pada lembar lampiran.

Kesimpulannya adalah seluruh variabel (kualitas, waktu, biaya, dan kepuasan pemakai) ternyata sebarannya normal.

4.7.4. Uji Linieritas Regresi.

Uji linieritas regresi dengan menggunakan program SPS 2000 untuk mengetahui bahwa hubungan antara variabel bebas X dengan variabel terikat Y linier atau tidak linier, jika hubungannya tidak linier maka korelasi yang dihasilkan bisa sangat rendah, walaupun sebenarnya korelasinya cukup tinggi jika digunakan model korelasi atau regresi yang tidak linier. Uji ini diperlukan sebelum melakukan uji korelasi atau regresi untuk memastikan apakah derajat hubungannya linier atau kuadratik (pangkat dua), dan kubik (pangkat tiga), adapun hasil analisanya adalah sebagai berikut ini.

Gambar 4.35. Uji Linieritas Regresi X1 dengan X4.

Uji linieritas pada Gambar 4.35., menunjukkan bahwa hubungan variabel bebas X1 (kualitas) dengan variabel tergantung Y/X4 (kepuasan pemakai) memiliki derajat hubungan linier.

(31)

Uji linieritas pada Gambar 4.36., menunjukkan bahwa hubungan variabel bebas X2 (waktu) dengan variabel tergantung Y/X4 (kepuasan pemakai) memiliki derajat hubungan kuadratik (tidak linier), sehingga perlu di transformasi ke fungsi linier untuk variabel X2 (waktu).

Uji linieritas pada Gambar 4.37., menunjukkan bahwa hubungan variabel bebas X3 (biaya) dengan variabel tergantung Y/X4 (kepuasan pemakai) memiliki derajat hubungan linier.

(32)

78

Peneliti melakukan uji linieritas dengan memasukkan data variabel bebas X2

(waktu) yang telah ditransformasi ke fungsi linier secara otomatis oleh program SPS 2000 menjadi X6 (transformasi waktu), sebagai berikut ini.

Uji linieritas pada Gambar 4.38., menunjukkan bahwa hubungan variabel bebas X6 (transformasi dari X2/waktu) dengan variabel tergantung Y/X4 (kepuasan pemakai) memiliki derajat hubungan linier.

Kesimpulan pengujian linieritas menunjukkan bahwa kualitas, waktu, dan biaya terhadap kepuasan pemakai memiliki derajat hubungan linier dengan syarat data variabel bebas X2 (waktu) ditransformasi ke fungsi linier menjadi X6

(transformasi waktu), sehingga peneliti dapat melanjutkan analisa regresi.

4.7.5. Uji Homogenitas Variansi 1 - Jalur.

Uji homogenitas variansi dengan menggunakan program SPS 2000, adapun peneliti membandingkan 4 (empat) teknik uji homogenitas variansi (F-max Hartley, C-Chochran, Bartlett, dan F-pasangan) yang tersedia dalam program SPS 2000, kemudian peneliti mengambil hasil yang terbaik dari empat teknik tersebut, yaitu: teknik C-Chochran. Peneliti memasukkan data variabel tergantung (kualitas, waktu, dan biaya), dan variabel jalur, yaitu: wilayah (Malang, dan Surabaya), adapun hasil analisanya adalah sebagai berikut ini.

(33)

Gambar 4.39. Uji Homogenitas Variansi.

Uji homogenitas variansi pada Gambar 4.39., menunjukkan bahwa X1

(kualitas) memiliki status homogen, X2 (waktu) memiliki status homogen, dan X3

(biaya) memiliki status homogen karena semua variabel memiliki status homogen, maka peneliti dapat melanjutkan analisa variansi 1 – jalur.

4.7.6. Uji Kolinieritas.

Uji kolinieritas dengan menggunakan program SPS 2000 untuk mengetahui suatu matriks antar korelasi, beserta uji signifikansinya, sebuah tabel korelasi bagian-total, dan sebuah tabel mengenai sumbangan efektif tiap-tiap faktor.

Langkah-langkah yang dilakukan dengan adalah dengan memasukkan data variabel bebas X (x1 (kualitas), x2 (waktu), dan x3 (biaya)), dan variabel tergantung Y (kepuasan pemakai), dengan syarat sebagai berikut ini (Budi, 2006 : p.164).

Tabel 4.19. Kekuatan Hubungan Korelasi Berdasarkan Nilai r.

Interval r Kekuatan Hubungan 0,000 s.d. 0,199 Sangat Lemah 0,200 s.d. 0,399 Lemah 0,400 s.d. 0,599 Cukup Kuat 0,600 s.d. 0,799 Kuat 0,800 s.d. 1,000 Sangat Kuat

(34)

80

Hasil analisa dari pengujian kolinieritas dengan menggunakan program SPS 2000 adalah sebagai berikut ini.

Gambar 4.40. Uji Kolinieritas.

Kesimpulan pengujian kolinieritas menunjukkan bahwa hanya X2 (waktu) dengan X3 (biaya), dan X2 (waktu) dengan Y (kepuasan pemakai) yang memiliki kekuatan hubungan korelasi cukup kuat (0,400 s.d. 0,599) dengan nilai probabilitasnya = 0 (< 0,05/signifikan), sedangkan hubungan yang lainnya menunjukkan kekuatan hubungan yang kuat (0,600 s.d. 0,799) dengan nilai probabilitasnya = 0 (< 0,05/signifikan).

4.8. Analisa Regresi Sederhana.

Analisa regresi sederhana adalah analisis regresi dengan menggunakan hanya satu variabel bebas.

Analisa ini menggunakan program SPSS 13, Gambar 4.41. menerangkan bahwa hasil rata-rata Y (kepuasan pemakai) masing-masing responden dari total 53 responden yang ada adalah 4,46358, rata-rata x41 (kualitas) masing-masing responden dari total 53 responden yang ada adalah 4,64717, rata-rata x2 (waktu) masing-masing responden dari total 53 responden yang ada adalah 4,46360, sedangkan rata-rata x3 (biaya) masing-masing responden dari total 53 responden yang ada adalah 4,31830.

(35)

4,46358

0,454144

4,64717

0,320819

4,46360

0,252811

4,31830

0,386890 0,00

0,50 1,00 1,50 2,00 2,50 3,00 3,50 4,00 4,50 5,00

Kepuasan Pemakai

Kualitas Waktu Biaya

Mean Std. Deviation

Gambar 4.41. Mean, dan Std. Deviasi Descriptive Statistics.

Standart deviasi Y (kepuasan pemakai) masing-masing responden dari total 53 responden yang ada adalah 0,454144, x1 (kualitas) adalah 0,320819, x2 (waktu) adalah 0,252811, sedangkan x3 (biaya) adalah 0,386890.

Hubungan korelasi dengan teknik Pearson Correlations dengan menggunakan program SPSS 13 menunjukkan hasil sebagai berikut ini.

Tabel 4.20. Correlations.

Y x1 x2 x3

Pearson Correlation Y (Kepuasan Pemakai) 1,000 0,718 0,553 0,763 x1 (Kualitas) 0,718 1,000 0,654 0,676 x2 (Waktu) 0,553 0,654 1,000 0,535 x3 (Biaya) 0,763 0,676 0,535 1,000

Sig. (1-tailed) Y (Kepuasan Pemakai) . 0,000 0,000 0,000 x1 (Kualitas) 0,000 . 0,000 0,000

x2 (Waktu) 0,000 0,000 . 0,000

x3 (Biaya) 0,000 0,000 0,000 .

N Y (Kepuasan Pemakai) 53 53 53 53

x1 (Kualitas) 53 53 53 53

x2 (Waktu) 53 53 53 53

x3 (Biaya) 53 53 53 53

(36)

82

x1; 0,718

x2; 0,553 x3; 0,763

Gambar 4.42. Pearson Correlation Y (Kepuasan Pemakai).

Hubungan Y (kepuasan pemakai) dengan x1 (kualitas) sangat signifikan karena nilai p = 0,000 (p < 0,05), dan nilai r = 0,718 menunjukkan hubungan korelasi yang kuat, hubungan Y (kepuasan pemakai) dengan x2 (waktu) sangat signifikan karena nilai p = 0,000 (p < 0,05), dan nilai r = 0,553 menunjukkan hubungan korelasi yang cukup kuat, hubungan Y (kepuasan pemakai) dengan x3

(biaya) sangat signifikan karena nilai p = 0,000 (p < 0,05), dan nilai r = 0,763 menunjukkan hubungan korelasi yang kuat.

Y; 0,718

x2; 0,654 x3; 0,676

Gambar 4.43. Pearson Correlation x1 (Kualitas).

Hubungan x1 (kualitas) dengan Y (kepuasan pemakai) sangat signifikan karena nilai p = 0,000 (p < 0,05), dan nilai r = 0,718 menunjukkan hubungan korelasi yang kuat, hubungan x1 (kualitas) dengan x2 (waktu) sangat signifikan karena nilai p = 0,000 (p < 0,05), dan nilai r = 0,654 menunjukkan hubungan korelasi yang kuat, hubungan x1 (kualitas) dengan x3 (biaya) sangat signifikan karena nilai p = 0,000 (p < 0,05), dan nilai r = 0,676 menunjukkan hubungan korelasi yang kuat.

(37)

Y; 0,553

x1; 0,654 x3; 0,535

Gambar 4.44. Pearson Correlation x2 (Waktu).

Hubungan x2 (waktu) dengan Y (kepuasan pemakai) sangat signifikan karena nilai p = 0,000 (p < 0,05), dan nilai r = 0,553 menunjukkan hubungan korelasi yang cukup kuat, hubungan x2 (waktu) dengan x1 (kualitas) sangat signifikan karena nilai p = 0,000 (p < 0,05), dan nilai r = 0,654 menunjukkan hubungan korelasi yang kuat, hubungan x2 (waktu) dengan x3 (biaya) sangat signifikan karena nilai p = 0,000 (p < 0,05), dan nilai r = 0,535 menunjukkan hubungan korelasi yang cukup kuat.

Y; 0,763

x1; 0,676 x2; 0,535

Gambar 4.45. Pearson Correlation x3 (Biaya).

Hubungan x3 (biaya) dengan Y (kepuasan pemakai) sangat signifikan karena nilai p = 0,000 (p < 0,05), dan nilai r = 0,763 menunjukkan hubungan korelasi yang kuat, hubungan x3 (biaya) dengan x1 (kualitas) sangat signifikan karena nilai p = 0,000 (p < 0,05), dan nilai r = 0,676 menunjukkan hubungan korelasi yang kuat, hubungan x3 (biaya) dengan x2 (waktu) sangat signifikan karena nilai p = 0,000 (p <

0,05), dan nilai r = 0,535 menunjukkan hubungan korelasi yang cukup kuat.

(38)

84

Tabel 4.21. Model Summary^b.

Model Summary ^b

,813^a ,660 ,639 ,272701

Model 1

R R Square

Adjusted R Square

Std. Error of the Estimate

Predictors: (Constant), x3, x2, x1 a.

Dependent Variable: Y b.

Variabel entered / removed, variabel independen yang masuk adalah x1 (kualitas), x2 (waktu), dan x3 (biaya) dengan variabel terikat Y (kepuasan pemakai).

Nilai R = 0,813 dan R Square = 0,660, menunjukkan bahwa 0,660 atau 66 % variasi Y (kepuasan pemakai) dipengaruhi oleh variabel x1 (kualitas), x2 (waktu), dan x3 (biaya), sementara sisanya 44 % dipengaruhi oleh sebab-sebab lain.

Standar error of estimate = 0,272701 (lihat Tabel 4.21) lebih kecil dari standar deviasi = 0,454144 (lihat Gambar 4.41), maka model regresi layak digunakan.

Tabel 4.22. Anova^b.

ANOVA^b

7,081 3 2,360 31,739 ,000^a

3,644 49 ,074

10,725 52

Regression Residual Total Model 1

Sum of

Squares df Mean Square F Sig.

Predictors: (Constant), x3, x2, x1 a.

Dependent Variable: Y b.

Tabel 4.22. Anova^b, menunjukkan nilai F = 31,739 dengan p = 0,000 (syarat p < 0,05), maka regresi sangat signifikan dan dapat dipakai untuk memprediksi x1

(kualitas), x2 (waktu), dan x3 (biaya).

Ketiga variabel penilaian adalah variabel kualitas, waktu, dan biaya berpengaruh secara bersama-sama (simultan) terhadap kepuasan pemakai dengan nilai F = 31,739 dengan p = 0,000 (syarat p < 0,05), maka koefisien regresi sangat signifikan pada taraf kepercayaan 95 %.

(39)

Tabel 4.23. Coefficients ^a.

Coefficients^a

-,813 ,685 -1,187 ,241

,478 ,181 ,338 2,637 ,011

,117 ,200 ,065 ,581 ,564

,587 ,135 ,500 4,364 ,000

(Constant) x1 x2 x3 Model 1

B Std. Error

Unstandardized Coefficients

Beta Standardized

Coefficients

t Sig.

Dependent Variable: Y a.

Nilai B constant sebesar -0,813 menyatakan bahwa jika x1 (kualitas), x2

(waktu), dan x3 (biaya) diabaikan, maka Y (kepuasan pemakai) menurun sebesar - 0,813, dan persamaan regresinya adalah sebagai berikut ini.

Y = -0,813 + 0,478 x1 + 0,117 x2 + 0,587 x3 ± 0,273

Keterangan.

Y = kepuasan pemakai x2 = variabel waktu x1 = variabel kualitas x3 = variabel biaya

Dasar pengambilan keputusan berdasarkan perbandingan t hitung dengan t tabel berikut ini.

1. Jika t hitung < t tabel, maka H0 diterima (tidak ada pengaruh dari sebuah variabel bebas terhadap variabel terikat).

2. Jika t hitung > t tabel, maka H0 ditolak (ada pengaruh dari sebuah variabel bebas terhadap variabel terikat).

t tabel dapat dicari dengan tabel distribusi t pada taraf kepercayaan 95 %, selengkapnya dapat dilihat dibawah ini.

1. α sebesar 5% atau 0,05.

2. db = jumlah sampel (N) – 2 = 53 – 2 = 51.

3. Angka t tabel = 1,671.

(40)

86

Gambar 4.46. Daerah Penerimaan dan Penolakan H0 (t).

Gambar 4.46. menerangkan bahwa hanya x3 (variabel biaya) yang mempunyai nilai t hitung sebesar 4,364 masuk pada daerah penolakan H0, karena t hitung > t tabel, dengan probabilitas sebesar 0,00 (p < 0,05), sehingga koefisien regresi sangat signifikan atau ada pengaruh biaya terhadap kepuasan pemakai secara sangat signifikan pada taraf kepercayaan 95 %, dan x1 (variabel kualitas) yang mempunyai nilai t hitung sebesar 2,637 masuk pada daerah penolakan H0, karena t hitung > t tabel, maka koefisien regresi signifikan (ada pengaruh kualitas terhadap kepuasan pemakai secara signifikan pada taraf kepercayaan 95 %) dengan probabilitas sebesar 0,011 (p < 0,05).

1.0 0.8 0.6 0.4 0.2 0.0

Observed Cum Prob 1.0

0.8

0.6

0.4

0.2

0.0

Expected Cum Prob

Dependent Variable: Y

Normal P-P Plot of Regression Standardized Residual

Gambar 4.47. Normalitas dengan Grafik Normal P-P Plot.

Gambar 4.47. menerangkan bahwa sebaran titik-titik residual berada di sekitar garis normal, karena titik-titik residual tersebut berasal dari data dengan distribusi normal, sehingga dapat disimpulkan bahwa regresi telah memenuhi persyaratan normalitas.

(41)

4 2

0 -2

Regression Standardized Predicted Value

2

1

0

-1

Regression Studentized Deleted (Press) Residual -2

Dependent Variable: Y Scatterplot

Gambar 4.48. Kelayakan Model Regresi (Model Fit).

Gambar 4.48. menerangkan bahwa grafik Scatterplot tidak menunjukkan pola titik-titik tertentu, sehingga model regresi disimpulkan layak digunakan.

6.000 5.500

5.000 4.500

4.000 3.500

Y 4

2

0

-2

Regression Standardized Predicted Value

Dependent Variable: Y Scatterplot

Gambar 4.49. Kelayakan Tiap Data untuk Model Regresi (Model Fit).

Gambar 4.49. menerangkan bahwa grafik Scatterplot tidak menunjukkan adanya pola diagonal yang dibentuk oleh sebaran titik-titik, sehingga setiap data disimpulkan layak untuk membentuk model regresi.

(42)

88

4.9. Analisa Beda (One Way Anova).

Analisa beda (one way anova) merupakan pengujian untuk mengetahui perbedaan nyata rata-rata antar varian dari tiga kelompok sampel atau lebih akibat adanya satu faktor perlakuan. Analisa ini menggunakan program SPS 2000, adapun hasil outputnya adalah sebagai berikut ini.

Gambar 4.50. Statistik Induk.

Ringkasan hasil yang tersebut diatas, maka dapat dilihat kecenderungan rata- rata terbesar untuk wilayah Malang (A1) daripada wilayah Surabaya (A2) dengan nilai rata-rata sebagai berikut ini.

1. Variabel x1 (kualitas) sebesar 4,733, nilai SB (standar deviasi) sebesar 0,350, dengan jumlah responden 27 dari total 53 responden.

2. Variabel x2 (waktu) sebesar 4,493 dengan nilai SB (standar deviasi) sebesar 0,466, dengan jumlah responden 27 dari total 53 responden.

3. Variabel x3 (biaya) sebesar 4,386 dengan nilai SB (standar deviasi) sebesar 0,418, dengan jumlah responden 27 dari total 53 responden.

4. Variabel x4 (kepuasan pemakai) sebesar 4,529 dengan nilai SB (standar deviasi) sebesar 0,524, dengan jumlah responden 27 dari total 53 responden.

(43)

Hasil Gambar 4.50, masih diperlukan pengujian lanjut untuk mengetahui apakah perbedaan tersebut signifikan pada taraf kepercayaan 95 % atau p < 0,05.

Gambar 4.51. Rangkuman Analisis Variansi 1-Jalur.

Ringkasan hasil yang tersebut diatas, maka dapat dilihat nilai dari masing- masing variabel sebagai berikut ini.

1. Variabel kualitas (x1) memiliki nilai F hitung (F) = 4,216, R² = 0,076, menunjukkan bahwa 0,076 atau 7,6 % variasi x5 (wilayah) dipengaruhi oleh variabel x1, sementara sisanya 92,4 % dipengaruhi oleh sebab-sebab lain, dan p sebesar 0,043 (p < 0,05), maka variabel kualitas (x1) ada perbedaan yang signifikan rata-rata wilayahnya.

2. Variabel waktu (x2) memiliki nilai F hitung (F) = 12,875, R² = 0,202, menunjukkan bahwa 0,202 atau 20,2 % variasi x5 (wilayah) dipengaruhi oleh variabel x2, sementara sisanya 79,8 % dipengaruhi oleh sebab-sebab lain, dan p sebesar 0,001 (p < 0,05), maka variabel waktu (x2) ada perbedaan yang sangat signifikan rata-rata wilayahnya.

3. Variabel biaya (x3) memiliki nilai F hitung (F) = 1,724, R² = 0,033, menunjukkan bahwa 0,033 atau 3,3 % variasi x5 (wilayah) dipengaruhi oleh variabel x3, sementara sisanya 96,7 % dipengaruhi oleh sebab-sebab

(44)

90

lain, dan p sebesar 0,192 (p > 0,05), maka variabel biaya (x3) tidak ada perbedaan rata-rata wilayahnya.

4. Variabel kepuasan pemakai (x4) memiliki nilai F hitung (F) = 1,1286, R² = 0,022, menunjukkan bahwa 0,022 atau 2,2 % variasi x5 (wilayah) dipengaruhi oleh variabel x4, sementara sisanya 97,8 % dipengaruhi oleh sebab-sebab lain, dan p sebesar 0,293 (p > 0,05), maka variabel kepuasan pemakai (x4) tidak ada perbedaan rata-rata wilayahnya.

0,043

0,001

0,192

0,050 0,050 0,050 0,050

0,293

0 0,05 0,1 0,15 0,2 0,25 0,3 0,35

p 0,043 0,001 0,192 0,293

p (syarat) 0,050 0,050 0,050 0,050

x1 x2 x3 x4

Gambar 4.52. Perbandingan Probabilitas Analisis Variansi 1-Jalur.

Dasar pengambilan keputusan berdasarkan perbandingan F hitung dengan F tabel sebagai berikut ini.

1. Jika F hitung < F tabel, maka H0 diterima (variabel x tidak ada perbedaan rata-rata wilayahnya.

2. Jika F hitung > F tabel, maka H0 ditolak (variabel x ada perbedaan rata- rata wilayahnya.

F tabel dapat dicari dengan tabel distribusi F pada taraf kepercayaan 95 %, selengkapnya dapat dilihat dibawah ini.

1. α sebesar 5% atau 0,05.

2. Numerator (jumlah variabel x45 – 1) atau 2-1 = 1.

3. Denumerator (jumlah kasus – jumlah variabel x45) atau 53-2 = 51.

4. Angka F tabel = 4,00.

(45)

Gambar 4.53. Daerah Penerimaan dan Penolakan H0.

Kesimpulannya adalah terbukti secara meyakinkan bahwa variabel-variabel yang masuk daerah penerimaan dan penolakan H0 adalah sebagai berikut ini.

1. Variabel yang masuk daerah penerimaan H0.

a) x4 (kepuasan pemakai) dengan nilai F sebesar 1,128, terbukti menyakinkan secara tidak signifikan (p=0,293) pada taraf kepercayaan 95 % bahwa variabel kepuasan pemakai (x4) tidak ada perbedaan rata- rata wilayahnya.

b) x3 (biaya) dengan nilai F sebesar 1,724, terbukti menyakinkan secara tidak signifikan (p=0,192) pada taraf kepercayaan 95 % bahwa variabel biaya (x3) tidak ada perbedaan rata-rata wilayahnya.

2. Variabel yang masuk daerah penolakan H0.

a) x1 (kualitas) dengan nilai F sebesar 4,216, terbukti menyakinkan secara signifikan (p=0,043) pada taraf kepercayaan 95 % bahwa variabel kualitas ada perbedaan rata-rata wilayahnya.

b) x2 (waktu) dengan nilai F sebesar 12,875, terbukti menyakinkan secara sangat signifikan (p=0,001) pada taraf kepercayaan 95 % bahwa variabel waktu ada perbedaan rata-rata wilayahnya.

(46)

92

4.10. Pembahasan.

4.10.1. Hasil Penelitian Dibandingkan dengan Hipotesis Penelitian.

Hasil penelitian dibandingkan dengan hipotesis penelitian adalah sebagai berikut.

1. Ketiga variabel penilaian adalah variabel kualitas, waktu, dan biaya berpengaruh secara bersama-sama (simultan) terhadap kepuasan pemakai dengan nilai F = 31,739 dengan p = 0,000 (syarat p < 0,05), dan koefisien regresi sangat signifikan pada taraf kepercayaan 95 %, jadi hipotesis 1 (satu) terbukti.

2. Apakah ada pengaruh secara sendiri (parsial) untuk masing-masing variabel terhadap kepuasan pemakai rangka atap baja ringan di wilayah Malang, dan Surabaya (hipotesis 2 (dua) terbukti sebagian) ?

a) Ada pengaruh secara sendiri (parsial) untuk variabel kualitas, dan variabel biaya terhadap kepuasan pemakai rangka atap baja ringan di wilayah Malang, dan Surabaya adalah sebagai berikut ini.

1) Variabel kualitas (x1) yang mempunyai nilai t hitung sebesar 2,637 masuk pada daerah penolakan H0, karena t hitung > t tabel (1,671), dengan probabilitas sebesar 0,011 (p<0,05), sehingga koefisien regresi signifikan atau ada pengaruh variabel kualitas terhadap variabel kepuasan pemakai secara signifikan pada taraf kepercayaan 95%.

2) Variabel biaya (x3) yang mempunyai nilai t hitung sebesar 4,364 masuk pada daerah penolakan H0, karena t hitung > t tabel (1,671), dengan probabilitas sebesar 0,00 (p<0,05), sehingga koefisien regresi sangat signifikan atau ada pengaruh variabel biaya terhadap kepuasan pemakai secara sangat signifikan pada taraf kepercayaan 95%.

b) Tidak ada pengaruh secara sendiri (parsial) untuk variabel waktu terhadap kepuasan pemakai rangka atap baja ringan di wilayah Malang, dan Surabaya, karena variabel waktu (x2) yang mempunyai nilai t hitung sebesar 0,581 masuk pada daerah penerimaan H0, karena t hitung > t tabel (1,671), dengan probabilitas sebesar 0,564 (p>0,05), sehingga koefisien regresi tidak signifikan atau tidak ada pengaruh