- Koefisien regresi X
3
b
3
= 1,384 menunjukkan bahwa place berpengaruh positif terhadap kepuasan konsumen. Artinya jika Tini Salon meningkatkan
kualitas place X
3
sebesar satu satuan maka tingkat kepuasan konsumen akan bertambah sebesar 1,384 satuan.
- Koefisien regresi X
4
b
4
= -0,869 menunjukkan bahwa promotion berpengaruh negatif terhadap kepuasan konsumen. Artinya jika Tini Salon
meningkatkan kualitas promotion X
4
sebesar satu satuan maka tingkat kepuasan konsumen akan berkurang sebesar - 0,869 satuan.
- Koefisien regresi X
5
b
5
= 0,140 menunjukkan bahwa people berpengaruh positif terhadap kepuasan konsumen. Artinya jika Tini Salon meningkatkan
kualitas people X
5
sebesar satu satuan maka tingkat kepuasan konsumen akan bertambah sebesar 0,140 satuan.
- Koefisien regresi X
6
b
6
= 0,027 menunjukkan bahwa physical evidance berpengaruh positif terhadap kepuasan konsumen. Artinya jika Tini Salon
meningkatkan kualitas Physical Evidence X
6
sebesar satu satuan maka tingkat kepuasan konsumen akan bertambah sebesar 0,027
b. Uji Asumsi Klasik 1 Multikolineritas
Uji multikolineritas diperlukan untuk mengetahui ada tidaknya variabel independent yang memiliki kemiripan dengan variabel independen lain dalam
suatu model. Deteksi multikolineritas pada suatu model dapat dilihat dari nilai Variance
Inflation Factor VIF tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1 maka model terbebas dari multikolineritas.
Dewi Sartika P : Strategi Pemasaran Jasa Untuk Meningkatkan Kepuasan Nasabah Pada PT. Asuransi…, 2007 USU Repository © 2009
Coefficients
a
27.034 4.407
6.134 .000
.030 .220
.014 .136
.892 .971
1.030 -.035
.232 -.016
-.151 .881
.933 1.072
-.216 .206
-.109 -1.046
.298 .958
1.044 -.076
.297 -.027
-.257 .798
.967 1.034
.883 .321
.282 2.753
.007 .987
1.013 -.117
.401 -.031
-.292 .771
.936 1.068
Constant Product
Price Place
Promotion People
CustomerServic Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: KepuasanNasabah a.
Sumber : Pengolahan Data 2007
Dari Tabel coefficients dapat dilihat: Variabel Products X
1
, Tolerance 0,937 0.1 Variabel Pricing X
2
, Tolerance 0,891 0.1 Variabel Place X
3
, Tolerance 0,860 0.1 Variabel Promotion X
4
, Tolerance 0,889 0.1 Variabel People X
5
, Tolerance 0,921 0.1 Variabel Physical evidence X
6
, Tolerance 0.908 0.1
Dari Tabel coefficients dapat dilihat: Variabel Products X
1
, VIF 1,067 10 Variabel Pricing X
2
, VIF 1,122 10 Variabel Place X
3
, VIF 1,163 10
Dewi Sartika P : Strategi Pemasaran Jasa Untuk Meningkatkan Kepuasan Nasabah Pada PT. Asuransi…, 2007 USU Repository © 2009
Variabel Promotion X
4
, VIF 1,125 10 Variabel People X
5
, VIF 1,086 10 Variabel Physical evidence X
6
, VIF 1,102 10 Hasil uji melalui Tolerance pada hasil output SPSS 12.00 Tabel coefficients,
lebih besar dari 0,1 dan nilai VIF Variance Inflation Factor lebih kecil dari 10. Maka dapat dinyatakan model regresi linier berganda terbebas dari asumsi
klasik statistik dan dapat digunakan dalam penelitian. 2. Autokorelasi
Menguji autokorelasi dalam suatu model bertujuan untuk mengetahui ada tidaknya korelasi antar variabel penganggu pada periode tertentu dengan
variabel penganggu periode sebelumnya. Cara mudah mendeteksi autokorelasi dapat dilakukan dengan uji Durbin-
Watson. Model regresi linier berganda terbebas dari autokorelasi jika nilai Durbin-Watson hitung terletak di daerah No Autocorelasi.
Tabel 4.16
Model Summary
b
.302
a
.091 .029
1.926 1.938
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, CustomerService, Promotion, Product, People, Place, Price
a. Dependent Variable: KepuasanNasabah
b.
Sumber : Pengolahan Data 2007 Hasil uji autokorelasi Tabel 4.15 dengan Durbin Watson dengan jumlah
variabel bebask = 6, dan jumlah sampel = 60 menunjukkan angka 1,730 dan batas bawah dl=1,38 dan batas atas du = 1,85.
Dewi Sartika P : Strategi Pemasaran Jasa Untuk Meningkatkan Kepuasan Nasabah Pada PT. Asuransi…, 2007 USU Repository © 2009
Negatif No positif Autocorelation
Autocorelation 0 dl du 2 4-du 4-dl 4
1,38 1,730 1,85
Gambar 4.1 Gambar No Autocorelation
Berdasarkan uji di atas tampak bahwa nilai Durbin Watson hitung 1,730 terletak di antara dl dan du maka dapat dikatakan model regresi linier
berganda tidak terkena autokorelasi dan dapat digunakan dalam penelitian. 3. Heteroskedastisitas
Heteroskedastisitas menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode pengamatan yang lain.
Cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot yang menyatakan model
regresi linier berganda tidak terdapat heteroskedastisitas, jika: - Titik data menyebar di atas dan di bawah atau disekitar angka 0.
- Titik data tidak mengumpul hanya di atas atau di bawah saja. - Penyebaran titik-titik data tidak boleh membentuk pola bergelombang
melebar kemudian menyempit dan melebar kembali. - Penyebaran titik-titik data sebaiknya tidak berpola.
Dewi Sartika P : Strategi Pemasaran Jasa Untuk Meningkatkan Kepuasan Nasabah Pada PT. Asuransi…, 2007 USU Repository © 2009
-3 -2
-1 1
2
Regression Standardized Predicted Value
-4 -3
-2 -1
1 2
3
Reg res
sion Stud enti
zed Resi
dual
Dependent Variable: KepuasanNasabah Scatterplot
Gambar 4.2 Gambar Scatterplot Output SPSS pada gambar Scatterplot menunjukkan penyebaran titik-
titik data sebagai berikut: 1
Titik data menyebar di atas dan di bawah atau disekitar angka 0. 2
Titik data tidak mengumpul hanya di atas atau di bawah saja. 3
Penyebaran titik-titik data tidak membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
4 Penyebaran titik-titik data tidak berpola.
c. Uji Signifikan Uji-t