3.5.4 Analisis Deskriptif
Pengujian untuk mengetahui karakteristik pelanggan Restoran de’ Leuit digunakan analisis deskriptif melalui perhitungan persentase jawaban responden
dalam bentuk tabulasi sederhana. Menurut Rifai 2010 analisis deskriptif dapat dirumuskan sebagai berikut :
Keterangan : = Persentase responden yang memilih kategori tertentu
= Jumlah responden yang memilih kategori tertentu = Total jawaban
Untuk menganalisis tingkat persepsi pelanggan, nilai pelanggan, daya saing, kualitas pelayanan jasa, perilaku pelanggan dan loyalitas pelanggan
melalui kriteria skor rataan pada Tabel 4 kemudian menggunakan analisis deskriptif.
3.5.5 Analisis Resgresi Linier Berganda
Menurut Hasan 2003, regresi linier berganda adalah regresi dimana variabel terikatnya Y dihubungkan atau dijelaskan lebih dari satu variabel,
mungkin dua, tiga, dan seterusnya variabel bebas X
1
, X
2
, X
3
, ..., X
n
namun masih menunjukkan diagram hubungan yang linier. Bentuk umum persamaan
regresi linier berganda dapat dituliskan sebagai berikut :
1 1
2 2
3 3
k k
……………………………….. 9 Keterangan:
= variabel
terikat dependent
1 2
3 k
= koefisien regresi
1 2
3 k
= variabel bebas independent = kesalahan pengganggu disturbance terma, artinya nilai-nilai dari variabel
lain yang tidak dimasukkan dalam pemasaran Persamaan regresi linier berganda digunakan untuk melihat pengaruh
persepsi pelanggan, nilai pelanggan, daya saing, kualitas pelayanan jasa, dan
perilaku pelanggan terhadap loyalitas pelanggan Restoran de’ Leuit, melalui bentuk dari persamaan di atas menjadi sebagai berikut:
1 1
2 2
3 3
………………………… 10 Keterangan :
= Loyalitas
pelanggan
1 2
3 4
5
= koefisien regresi = nilai-nilai dari variabel lain yang tidak dimasukkan
1
= Persepsi pelanggan
4
= Kualias Pelayanan Jasa
2
= Nilai pelanggan
5
= Perilaku Pelanggan
3
= Daya saing Menurut Nugroho 2005, model regresi linear berganda disebut sebagai
model yang baik apabila model tersebut memenuhi asumsi normalitas data dan terbebas dari asumsi klasik statistik yang meliputi multikolineritas, autokorelasi
dan heteroskesdastisitas. Proses uji asumsi klasik dilakukan secara bersamaan dengan proses uji regresi. Pada penelitian ini dilakukan tiga uji asumsi, yaitu
normalitas, multikolineritas, dan heteroskesdastisitas. 1.
Uji Normalitas Menurut Suliyanto 2005, uji normalitas untuk mengetahui apakah residual
yang diteliti berdistribusi normal atau tidak. Nilai residual berdistribusi normal merupakan suatu kurva berbentuk lonceng bell-shaped curve yang
kedua sisinya melebar sampai tidak terhingga. Distibusi data tidak normal, karena terdapat nilai ekstrem dalam data yang diambil.
Cara mendeteksinya dengan menggunakan histogram regression residual yang sudah distandarkan serta menggunakan analisis kai kuadrat dan
kolmogorov-smirnov . Kurva nilai residual terstandarisasi dikatakan
menyebar dengan normal apabila nilai kolmogrov-smirnov Z ≤ Z tabel atau
nilai asymp. sig. 2-tailed α.
2. Uji multikolineritas
Uji multikolineritas bertujuan untuk mengetahui ada tidaknya variabel independent
yang memiliki korelasi antar variabel independent lain dalam satu model. Multikolineritas diuji dengan melihat nilai Tolerance dan
Variance Inflation Factor VIF. Nilai Tolerance tidak kurang dari 0,1 dan
nilai Variance Inflation Factor VIF yang tidak lebih dari 10 sehingga model dapat dikatakan terbebas dari multikolineritas. Semakin tinggi VIF
maka semakin rendah Tolerance. 3.
Uji Heteroskesdastisitas Uji heteroskesdastisitas dilakukan untuk melihat apakah terdapat
ketidaksamaan ragam dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang memenuhi persyaratan adalah di mana terdapat
kesamaan ragam dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskesdastisitas. Ada tidaknya heteroskesdastisitas
dapat diprediksi dengan melihat pola gambar Scatterplot. Setelah dilakukan uji asumsi klasik, kemudian dilakukan Uji F dan Uji t.