79
Tabel 4.14 : Hasil Uji Validitas Variabel Kepuasan Y No Item
Corrected Item-Total Correlation Keterangan
1 2
Y
1
Y
2
0,461 0,461
Valid Valid
Sumber : Lampiran 7 Berdasarkan tabel 4.14 di atas menunjukkan bahwa semua item
pernyataan pada variabel kepuasan memiliki nilai Corrected Item Total Correlation r
hitung
lebih dari 0,30 sehingga kedua item pernyataan tersebut dinyatakan valid.
4.3.2. Uji Reliabilitas
Menurut Sekaran
2006 : 177, Reliabilitas adalah kemampuan suatu instrumen menunjukkan kestabilan dan kekonsistenan di dalam mengukur
konsep. Pengukuran reliabilitas dapat menggunakan koefisien Alpha Cronbach
α. Alpha Cronbach α adalah koefisiien keandalan yang menunjukkan seberapa baik item dalam suatu kumpulan secara positif
berkorelasi satu sama lain. Alpha Cronbach α dihitung dalam rata-rata
interkorelasi antar item yang mengukur konsep. Semakin dekat alpha cronbach
α dengan 1, semakin tinggi keandalan konsistensi internal. Hasil pengujian reliabilitas adalah sebagai berikut:
Tabel 4.15 : Hasil Uji Reliabilitas Variabel Penelitian
Cronbach alpha Ket.
Reliability X
1
Responsiveness X
2
Assurance X
3
Empathy X
4
Kepuasan Y 0,701
0,793 0,715
0,610 0,631
Reliabel Reliabel
Reliabel Reliabel
Reliabel
80
Sumber : Lampiran 3 sd Lampiran 7 Berdasarkan tabel di atas dapat dijelaskan bahwa variabel Reliability
X
1
, Responsiveness X
2
, Assurance X
3
, Empathy X
4
dan kepuasan Y adalah reliabel, karena cronbach alpha yang dihasilkan lebih besar dari
0,60.
4.3.3. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal atau tidak. Dalam penelitian ini uji normalitas
menggunakan metode Kolmogorov Smirnov. Adapun hasil dari pengujian normalitas adalah :
Tabel 4.16 : Hasil Uji Normalitas Data Awal Variabel-Variabel Penelitian
Kolmogorov Smirnov
Tingkat Signifikan
Reliability X
1
Responsiveness X
2
Assurance X
3
Empathy X
4
Kepuasan Y 1,839
1,818 1,998
2,692 2,307
0,002 0,003
0,001 0,000
0,000
Sumber : Lampiran 9a Berdasarkan hasil uji normalitas pada tabel 4.16 diatas dapat diketahui
bahwa distribusi data pada variabel Reliability X
1
, Responsiveness X
2
, Assurance X
3
, Empathy X
4
dan kepuasan Y adalah tidak berdistribusi normal, karena tingkat signifikan dari Kolmogorov-Smirnov yang dihasilkan
kurang dari 0,05 sig 5.
81
Jika sebuah
variabel mempunyai sebaran data yang tidak normal,
perlakuan yang dimungkinkan agar menjadi normal adalah : Santoso,2002: 38
1. Menambah jumlah data 2. Menghilangkan data yang dianggap penyebab tidak normalnya data
3. Dilakukan transformasi data, misalnya mengubah data ke logaritma atau ke bentuk natural LN
4. Data diterima apa adanya, memang dianggap tidak normal dan tidak perlu dilakukan berbagai treatment.
Untuk mengatasi
ketidaknormalan data, pada penelitian ini dilakukan berbagai cara yaitu transformasi data logaritma dan LN dan
menghilangkan data yang dianggap penyebab tidak normalnya data uji outlier.
1. Transformasi Logaritma Log
Tabel 4.17 : Hasil Uji Normalitas Setelah Transformasi Data Log Variabel-Variabel
Penelitian Kolmogorov
Smirnov Tingkat
Signifikan Reliability X
1
Responsiveness X
2
Assurance X
3
Empathy X
4
Kepuasan Y 1,651
2,015 1,798
2,514 2,331
0,009 0,001
0,003 0,000
0,000
Sumber : Lampiran 9b Setelah
data awal
ditransformasi kedalam bentuk logaritma log, ternyata hasil uji normalitas yang dapat dilihat pada tabel 4.17 diatas
menunjukkan bahwa variabel Reliability X
1
, Responsiveness X
2
,
82
Assurance X
3
, Empathy X
4
dan kepuasan Y adalah tidak berdistribusi normal, karena tingkat signifikan dari Kolmogorov-Smirnov
yang dihasilkan kurang dari 0,05 sig 5.
2. Transformasi bentuk natural LN
Tabel 4.18 : Hasil Uji Normalitas Setelah Transformasi Data Ln Variabel-Variabel
Penelitian Kolmogorov
Smirnov Tingkat
Signifikan Reliability X
1
Responsiveness X
2
Assurance X
3
Empathy X
4
Kepuasan Y 1,651
2,015 1,798
2,514 2,331
0,009 0,001
0,003 0,000
0,000
Sumber : Lampiran 9b Setelah
data awal
ditransformasi kedalam bentuk natural LN, ternyata hasil uji normalitas yang dapat dilihat pada tabel 4.18 diatas
menunjukkan bahwa variabel Reliability X
1
, Responsiveness X
2
, Assurance X
3
, Empathy X
4
dan kepuasan Y adalah juga tidak berdistribusi normal, karena tingkat signifikan dari Kolmogorov-Smirnov
yang dihasilkan kurang dari 0,05 sig 5.
3. Menghilangkan Data Yang Dianggap Penyebab Tidak Normalnya
Data Uji Outlier
Salah satu
uji statistik
yang dapat digunakan untuk menormalkan suatu data adalah uji outlier. Suatu observasi dikatakan outlier jika nilai
zscore-nya ± 1,96 Santoso, 2004 : 46. Hasil uji outlier pada variabel Reliability X
1
, Responsiveness X
2
, Assurance X
3
, Empathy X
4
dan kepuasan Y adalah:
83
Tabel 4.19 : Hasil Uji Outlier
Minimum Maksimum
Zscore Reliability X
1
Zscore Responsiveness X
2
Zscore Assurance X
3
Zscore Empathy X
4
Zscore Kepuasan Y -1,39395
-1,88972 -1,31762
-1,94346 -1,73602
2,38482 2,05242
2,47712 2,49270
2,33277
Sumber : Lampiran 9c Berdasarkan hasil descriptive statistics pada tabel 4.19
menunjukkan bahwa terdapat outlier pada variabel Reliability X
1
, Responsiveness X
2
, Assurance X
3
, Empathy X
4
dan kepuasan Y karena nilai z-score yang dihasilkan melebihi 1,96.
Observasi yang dikategorikan sebagai outlier pada variabel Reliability X
1
, Responsiveness X
2
, Assurance X
3
, Empathy X
4
dan kepuasan Y adalah responden ke-3, 4, 23, 24, 42, 43, 46, 47, 62, 63, 83
dan 84. Banyaknya data outlier yaitu 12 data atau observasi, maka jumlah observasi atau data yang digunakan untuk uji selanjutnya adalah
sebanyak 90 – 12 = 78 data atau observasi. Setelah uji outlier, maka dilakukan uji normalitas lagi dan hasilnya adalah sebagai berikut :
Tabel 4.20 : Hasil Uji Normalitas Setelah Uji Outlier Variabel-Variabel
Penelitian Kolmogorov
Smirnov Tingkat
Signifikan Reliability X
1
Responsiveness X
2
Assurance X
3
Empathy X
4
Kepuasan Y 1,917
2,254 1,839
2,759 2,741
0,001 0,000
0,002 0,000
0,000
Sumber : Lampiran 9c
84
Berdasarkan tabel
4.20 menunjukkan bahwa variabel Reliability X
1
, Responsiveness X
2
, Assurance X
3
, Empathy X
4
dan kepuasan Y tidak berdistribusi normal, karena tingkat signifikan yang dihasilkan
kurang dari 5 sig 0,05. Berdasarkan
hasil berbagai
cara mengatasi ketidaknormalan data, dapat disimpulkan bahwa analisis regresi linier berganda tetap dilanjutkan,
dengan beberapa alasan yaitu : 1.
Dengan mempertimbangkan
central limit theorem untuk sampel yang lebih besar dari 30 n = 78, sehingga distribusi data variabel Reliability
X
1
, Responsiveness X
2
, Assurance X
3
, Empathy X
4
dan kepuasan Y dianggap berdistribusi normal Iskandar Itan, 2003 : 167.
2. Menurut Gujarati 1995 : 66-67 bahwa dalam regresi OLS Ordinary Least Square asumsi normalitas diberlakukan pada u
i
residual, apabila residual u
i
berdistribusi normal dengan sendirinya b , b
1
, b
2
dan b
3
juga berdistribusi normal.
Tabel 4.21 : Hasil Uji Normalitas pada Residual Kolmogorov
Smirnov Tingkat
Signifikan Residual
0,994 0,276 Sumber : Lampiran 9d
Berdasarkan hasil uji normalitas pada residual menunjukkan bahwa distribusi data pada residual adalah distribusi normal, karena nilai
Kolmogorov-Smirnov yang dihasilkan 0,994 dengan tingkat signifikan
lebih dari 5 yaitu sebesar 0,276. Hal ini berarti apabila residual u
i
berdistribusi normal dengan sendirinya variabel Reliability X
1
,
85
Responsiveness X
2
, Assurance X
3
, Empathy X
4
dan kepuasan Y juga berdistribusi normal.
3. Data diterima apa adanya, memang dianggap tidak normal dan tidak perlu dilakukan berbagai treatment. Santoso,2002: 38
4.4. Analisis Regresi Linier Berganda 4.4.1. Asumsi Klasik
