e. Variabel Empati
Tabel 3.5 Hasil Uji Validitas Empati
No. Item Pearson
Correlation Sig. 2-tailed
Keterangan
x5.25 .793
.000 Valid
x5.26 .769
.000 Valid
x5.27 .845
.000 Valid
x5.28 .779
.000 Valid
x5.29 .600
.000 Valid
Sumber: Data Primer Diolah, 2013 Berdasarkan tabel tersebut di atas menunjukkan bahwa uji validitas
pada variabel empati diketahui rata-rata nilai indikatornya adalah valid karena nilai signifikan pada 0,01 dan 0,05. Hal ini terlihat bahwa korelasi
antara masing-masing indikator terhadap total skor konstruk menunjukkan hasil yang signifikan. Jadi dapat disimpulkan bahwa masing-masing
indikator pertanyaan adalah valid.
f. Variabel Keputusan Pembelian jasa
Tabel 3.6 Hasil Uji Validitas Keputusan pembelian jasa
No. Item Pearson
Correlation Sig. 2-tailed
Keterangan
y.30 .765
.000 Valid
y.31 .766
.000 Valid
y.32 .780
.001 Valid
y.33 .707
.000 Valid
y.34 .622
.000 Valid
y.35 .750
.000 Valid
y.36 .769
.000 Valid
y.37 .673
.000 Valid
Sumber: Data Primer Diolah, 2013 Berdasarkan tabel tersebut di atas menunjukkan bahwa uji validitas
pada variabel keputusan berkunjung diketahui rata-rata nilai indikatornya adalah valid karena nilai signifikan pada 0,01 dan 0,05. Hal ini terlihat
bahwa korelasi antara masing-masing indikator terhadap total skor konstruk menunjukkan hasil yang signifikan. Jadi dapat disimpulkan
bahwa masing-masing indikator pertanyaan adalah valid.
3.4.2. Uji Reliabiltas
Reliabilitas adalah alat untuk mengukur suatu kuesioner yang merupakan indikator suatu kuesioner yang merupakan indikator dari
variabel atau konstruk Ghozali, 2006: 45. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah
konsisten atau stabil dari waktu ke waktu. Dalam penelitian ini, pengukuran reliabilitas dilakukan dengan
cara One Shot atau pengukuran sekali saja. Disini pengukuran hanya sekali dan kemudian hasilnya dibandingkan dengan pertanyaan lain atau
mengukur korelasi antar jawaban pertanyaan. Dengan menggunakan aplikasi SPSS untuk mengukur reliabilitas dengan uji statistik Cronbach
Alpha. Suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai Cronbach Alpha 0,60.
Tabel 3.7 Hasil Uji Reliabilitas
No Variabel
Cronbachs Alpha Based
on Standardized
Items Standarisasi
Keterangan
1. Bukti Fisik
0,865 0,60
Reliabel 2.
Keandalan 0,891
0,60 Reliabel
3. Ketanggapan
0,807 0,60
Reliabel 4.
Jaminan 0,782
0,60 Reliabel
5. Empati
0,815 0,60
Reliabel 6.
Keputusan Berkunjung
0,876 0,60
Reliabel
berdasarkan tabel kriteria tersebut diatas, maka pada tabel di atas dapat diketahui bahwa masing-masing variabel bukti fisik, keandalan, keandalan,
jaminan, empati, keputusan pembelian jasa ternyata menunjukkan nilai Cronbach Alpha 0,60 sehinggaa dapat disimpulkan bahwa variabel bukti
fisik, keandalan, keandalan, jaminan, empati, keputusan pembelian jasa dapat dikatakan reliabel.
3.5. Metode Analisis Data
3.5.1. Metode Analisis Deskriptif
Metode analisis deskriptif persentase digunakan untuk mengkaji variabel- variabel yang ada pada penelitian ini yang terdiri dari bukti fisik,
keandalan, ketanggapan, jaminan, empati, dan keputusan pembelian jasa. Menurut Nugroho 2005: 42 langkah-langkah yang ditempuh dalam
membuat analisis deskriptif persentase adalah sebagai berikut: 1. Membuat tabel distribusi jawaban angket
2. Menentukan skor jawaban dengan ketentuan skor yang telah dipilih
3. Menjumlahkan skor jawaban yang diperoleh dari tiap-tiap responden
4. Menentukan skor tersebut ke dalam rumus sebagai berikut:
Keterangan : n = Jumlah skor jawaban responden N = Jumlah seluruh skor ideal
Kemudian disusun kriteria sebagai berikut: a. terendah r = 1:5×100 = 20
b. tertinggi t = 5:5×100 = 100 c. Jarak
= 100-20 = 80 d. Interval Kriteria = 80 : 5
= 16 Berdasarkan kriteria yang berdasarkan di atas maka dapat disusun tabel
interval nilai persentase variabel penelitian sebagai berikut:
Tabel 3.8 Interval Nilai Persentase dan Kriteria Penilaian
Interval Nilai Kriteria
85,00 ─ 100
Sangat Baik 68,00
─ 85,00 Baik
52,00 ─ 68,00 Cukup
36,00 ─ 52,00
Kurang Baik 20,00
─ 36,00 Tidak Baik
3.5.2. Uji Asumsi Klasik
a. Uji Multikolonieritas Uji multikolonieritas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi antar variabel bebas independen Ghozali, 2006: 95. Multikolonieritas dapat dilihat dari 1 nilai
tolerance dan lawannya 2 variance inflation factor VIF Sugiyono, 2006: 95. Kedua ukuran ini menunjukkan setiap variabel independen
manakah yang dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi Karena VIF =
1Tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai Toleranc
e ≤ 0,10 atau sama dengan nilai VIF ≥ 10.
b. Uji Autokorelasi Uji Autokorelasi bertujuan menguji apakah dalam model regresi linier
ada korelasi anatara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada metode t-1 sebelumnya. Jika terjadi
korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan
satu sama lainnya. Uji autukorelasi yang dapat dilakukan adalah dengan uji Durbin- Watson DW Test dengan bantuan program SPSS.
c. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi
terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke
pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Cara untuk mendeteksi ada atau
tidaknya heteroskedastisitas dengan melihat Grafik Plot antara nilai prediksi variabel terikat yaitu ZPRED dengan residualnya SRESID.
Selain dengan melihat grafik Plot Uji Heteroskedastisitas pada penelitian ini juga menggunakan uji Glejser yang dilakukan dengan
bantuan program SPSS. d. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Ada
dua cara mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik Ghozali, 2006: 147.
Salah satu cara melihat normalitas residual adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari
distribusi normal. Selain itu juga menggunakan uji statistik non- parametrik Kolmogorov-Smirnov. Uji Normalitas ini dibantu dengan
menggunakan program SPSS.
3.5.3. Uji Regresi Berganda
Analisis regresi digunakan untuk memprediksi seberapa jauh perubahan nilai variabel dependen, bila nilai variabel independen di
manipulasi dirubah-rubah atau dinaik-turunkan Sugiyono, 2007: 260. Manfaat dari hasil analisis regresi adalah untuk membuat keputusan
apakah naik dan menurunnya variabel dependen dapat dilakukan melalui peningkatan variabel independen atau tidak.
Dalam penelitian ini variabel bebas X lebih dari satu variabel sehingga menggunakan metode analisis regresi linier berganda dengan
persamaan rumus sebagai berikut:
Keterangan: Y
= Variabel Keputusan Berkunjung a
= Bilangan konstanta = koefisien regresi bukti fisik
= koefisien regresi keandalan = koefisien regresi ketanggapan
= koefisien regresi jaminan = koefisien regresi empati
= variabel bukti fisik = variabel keandalan
= variabel ketanggapan = variabel jaminan
= variabel empati = error
Ghozali, 2006: 7
3.6. Uji Hipotesis
3.6.1. Uji Parsial Uji t
Uji statistik t pada dasarnya menunjukan seberapa jauh pengaruh satu variabel penjelasindependent secara individual dalam
menerangkan variasi variabel dependent Ghozali, 2006: 88. Hipotesis nol Ho yang hendak diuji adalah apakah suatu parameter
bi sama dengan nol, atau: Ho : bi = 0
Artinya apakah suatu variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatifnya
HA para meter suatu variabel tidak sama dengan nol, atau HA : bi ≠ 0
Artinya, variabel tersebut merupakan penjelas yang signifikan terhadap variabel dependen.
Cara melakukan uji t adalah sebagai berikut:
a. Quick look: bila jumlah degree of freedom df adalah 20 atau lebih, dan derajat kepercayaan 5, maka Ho yang menyatakan
bi = 0 dapat ditolak bila nilai t lebih besar dari 2 dalam nilai absolut. Dengan kata lain menerima Ha, yang menyatakan
bahwa suatu
variabel independent
secara individual
mempengaruhi variabel dependent. b. Membandingkan nilai statistik t dengan titik kritis menurut
tabel. Apabila nilai statistik t hasil perhitungan lebih tinggi dibandingkan nilai t tabel, maka menerima hipotesis alternatif
yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel dependen.
3.6.2. Uji Simultan Uji F
Uji Statistik F pada dasarnya menunjukan apakah semua variabel independent atau bebas yang dimasukan dalam model
mempunyai pengaruh secara bersama-sama terhadap variabel dependentterikat Ghozali, 2006: 88.
Untuk menguji hipotesis ini digunakan statistik F dengan kriteria pengambilan keputusan sebagai berikut:
a. Quick look: bila nilai F lebih besar daripada 4 maka Ho dapat ditolak pada derajat kepercayaan 5. Dengan kata lain
menerima hipotesis alternatif, yang menyatakan bahwa semua
variabel independen
secara serentak
dan signifikan
mempengaruhi variabel dependen. b. Membandingkan nilai F hasil perhitungan dengan nilai F
menurut tabel. Bila nilai F hitung lebih besar daripada nilai F, maka Ho ditolak dan menerima HA.
3.7. Uji Koefisien Diterminasi
Koefisien determinasi R2 pada intinya mengukur seberapaa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai
koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel
dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk
memprediksi variasi variabel dependen. Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independen yang
dimasukkan kedalam model. Oleh karena itu menggunakan nilai Adjusted R² karena nilai Adjusted R² dapat naik atau turn apabila satu variabel independen
ditambahkan kedalam model.
54
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Hasil Penelitian
Ada dua analisis yang digunakan dalam penelitian ini yaitu analisis deskriptif persentase dan analisis regresi. Analisis deskriptif digunakan untuk mendeskripsikan
variabel bukti
fisik Tangible,
keandalan Realibility,
ketanggapan Responseveness, jaminan Assurance, empati emphaty dan keputusan pembelian
jasa. Analisis berikutnya adalah analisis regresi yang menggambarkan pengaruh variabel
bukti fisik
Tangible, keandalan
Realibility, ketanggapan
Responseveness, jaminan Assurance, empati emphaty terhadap keputusan pembelian jasa. Hasil penelitian tampak sebagai berikut :
4.1.1. Deskriptif Responden
a. Deskripsi Usia Responden Berdasarkan data hasil penelitian yang diperoleh dari penyebaran kuesioner
diperoleh data tentang usia responden dapat dilihat pada tabel berikut:
Tabel 4.1. Deskripsi Usia Responden
No Interval Usia
Frekuensi Presentase
1 20 Tahun
12 12,12
2 21
– 30 tahun 44
44,44 3
31 - 40 tahun 11
11,11 4
41 -50 tahun 22
22,22 5
51 - 60 tahun 10
10,10 6
60 tahun Jumlah
99 100
Sumber: Data Diolah, 2013
Kategori