g. Distribusi Jawaban Responden terhadap Variabel Kepuasan Pelanggan
Tabel 4.14 Distribusi Jawaban Responden terhadap Variabel Kepuasan Pelanggan
Sumber : Data Primer, diolah
Hasil pengolahan data pada Tabel 4.14 menunjukkan bahwa : a. Pernyataan 1 dari variabel Kepuasan Pelanggan, 14.9 menyatakan
sangat setuju bahwa mutu akhir yang diberikan tinggi, 47.3 menyatakan setuju, 25.7 menyatakan ragu - ragu, 9.5 menyatakan tidak setuju
dan2.7 menyatakan sangat tidak setuju. b. Pernyataan 2 dari variabel Kepuasan Pelanggan, 23.0 menyatakan
sangat setuju bahwa konsumen puas dengan keseluruhan pelayanan yang diberikan, 35.1 menyatakan setuju, 27.0 menyatakan ragu - ragu dan
14.9 menyatakan tidak setuju, serta 0 menyatakan sangat tidak setuju. c. Pernyataan 3 dari variabelKepuasan Pelanggan, 28.4 menyatakan sangat
setuju bahwa konsumen merasa puas terhadap sikap dan perilaku pramuniaga secara umum, 27.0 menyatakan setuju, 31.1
menyatakanragu - ragu, dan 12.2 menyatakan tidak setuju, serta 1,4 menyatakan sangat tidak setuju.
Item STS
TS RG
S SS
Total F
F F
F F
1. 2
2.7 7
9.5 19 25.7 35 47.3 11 14.9
74 2.
11 14.9 20 27.0 26 35.1 17 23.0 74
3. 1
1.4 9
12.2 23 31.1 20 27.0 21 28.4 74
Universitas Sumatera Utara
4.4 Uji Asumsi Klasik
4.4.1 Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah data yang diperoleh dari hasil observasi berdistribusi normal atau tidak, sehingga data tersebut dapat
digunakan atau tidak dalam model regresi. Untuk mengetahui apakah data yang diperoleh berdistribusi normal atau tidak, dapat dilakukan dengan analisis grafik
dan uji statistik. Salah satu cara untuk melihat normalitas adalah dengan melihat grafik
histogram dan grafik normal plot yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal.
Kriteria pengambilan keputusan: 1 Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal
atau grafik histogram menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi klasik.
2 Jika data tidak menyebar di sekitar garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik tidak menunjukkan pola distribusi normal, maka model
regresi tidak memenuhi asumsi klasik. Hasil dari output SPSS terlihat seperti Gambar 4.1 dan Gambar 4.2.
Universitas Sumatera Utara
Sumber : Hasil Pengolahan SPSS 16.0 Gambar 4.1 Histogram
Gambar 4.3 memberikan interpretasi bahwa grafik histogram memiliki distribusi normal dimana grafik tersebut membentuk pola lonceng atau tidak
miring ke kanan atau ke kiri.
Universitas Sumatera Utara
Sumber : Hasil Pengolahan SPSS 16.0 Gambar 4.2
Normal P-P Plot of Regression Standardized Residual
Gambar 4.2 menunjukkan bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Oleh karena itu, berdasarkan gambar dan
gambar kriteria pengambilan keputusan yang pertama dipenuhi yaitu data berdistribusi normal.
Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal maka dilakukan uji Kolmogorv Smirnov 1 sample KS dengan melihat
data residual apakah berdistribusi normal Situmorang, et al 2010 : 95.
Universitas Sumatera Utara
Berikut ini pengujian normalitas yang didasarkan dengan uji statistik non- parametrik Kolmogrov-Smirnov K-S.
Menentukan kriteria keputusan, yaitu : 1.
Jika nilai Asymp. Sig. 2 tailed ˃ 0,05 maka data tidak mengalami gangguan
distribusi normal. 2.
Jika nilai Asymp. Sig. 2 Tailed ˂ 0,05 maka data mengalami gangguan
distribusi normal.
Tabel 4.15
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 74
Normal Parameters
a
Mean .0000000
Std. Deviation 1.77214320
Most Extreme Differences Absolute
.077 Positive
.055 Negative
-.077 Kolmogorov-Smirnov Z
.663 Asymp. Sig. 2-tailed
.772 a. Test distribution is Normal.
Sumber : Hasil Pengolahan SPSS 16.0
Pada Tabel 4.15 terlihat bahwa nilai Asymp.Sig. 2 tailed adalah 0,772 dan diatas nilai signifikan 0,05, dengan kata lain variabel residual berdistribusi normal.
Universitas Sumatera Utara
4.4.2 Uji Heteroskedastisitas
Heterosdekastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Dengan kata lain,
heteroskedastisitas terjadi jika residual tidak memiliki varian yang konstan. Pemeriksaan terhadap gejala heteroskedastisitas adalah dengan melihat pola
diagram pencar scatter plot yaitu grafik yang merupakan diagram pencar residual, yaitu selisih antara nilai Y prediksi dan Y observasi, dan juga melalui
model Glejser. a.
Diagram Pencar Scatter plot Hipotesis:
1. Jika diagram pencar yang ada membentuk pola-pola tertentu yang teratur maka regresi mengalami gangguan heteroskedastisitas.
2. Jika diagram pencar tidak membentuk pola yang atau acak maka regresi tidak mengalami gangguan heteroskedastisitas.
Universitas Sumatera Utara
Sumber : Hasil Pengolahan SPSS 16.0
Gambar 4.3 Scatterplot Dependent Variable
Dari Gambar 4.4 dapat dilihat bahwa diagram pencar tidak membentuk pola oleh karena itu tidak mengalami gangguan heterokedastisitas.
b. Model Glejser Menentukan kriteria keputusan :
a Jika nilai signifikansi 0,05, maka tidak mengalami gangguan heterokedastisitas.
b Jika nilai signifikansi 0,05, maka mengalami gangguan heterokedastisitas.
Universitas Sumatera Utara
Dari Tabel 4.16 dapat dilihat bahwa nilai signifikansi dari setiap variabel Bukti Fisik, Kehandalan, Daya Tanggap, Jaminan, Empati, Kepercayaan Konsumen
adalah lebih besar dari 0.05. Maka oleh karena itu, tidak mengalami gangguan heterokedastisitas.
4.4.3 Uji Multikolinearitas
Gejala multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF Varience Inflation Factor melalui program SPSS 16.0. Tolerance mengukur
variabilitas variabel terpilih yang tidak dijelaskan oleh variabel independent lainnya. Nilai umum yang biasa dipakai adalah nilai Tolerance 0,1 atau nilai
VIF 5, maka tidak terjadi multikolinearitas Situmorang et al, 2010 : 136.
Tabel 4.16
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 1.633
1.088 1.501
.138 BuktiFisik
.119 .074
.262 1.597
.115 Kehandalan
.068 .084
.107 .807
.422 DayaTanggap
-.003 .060
-.005 -.044
.965 Jaminan
-.119 .091
-.202 -1.298
.199 Empati
-.029 .129
-.040 -.220
.826 KepercayaanKonsumen
-.088 .079
-.201 -1.107
.272 a. Dependent Variable: absut
Sumber : Hasil Pengolahan SPSS 16.0
Universitas Sumatera Utara
Tabel 4.17
Sumber : Hasil Pengolahan SPSS 16.0
Pada Tabel 4.17 menjelaskan mengenai besarnya tolerance dan VIF untuk masing-masing variabel bebas. Semua variabel bebas mempunyai nilai tolerance
0,1 dan VIF 5, sehingga dapat disimpulkan bahwa masalah multikolinearitas tidak ada.
4.5 Metode Analisis Regresi Berganda
Analisis regresi berganda digunakan untuk mengetahui pengaruh antara variabel bebas Bukti Fisik, Kehandalan, Daya Tanggap, Jaminan, Empati,
Kepercayaan Konsumen terhadap variabel terikat Kepuasan Pelanggan yang dilakukan pada 74 responden di Warung Bakso Sabar Menanti Helvetia Medan.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant -1.159
1.864 -.622
.536 BuktiFisik
.180 .127
.169 1.408
.164 .508
1.969 Kehandalan
-.190 .145
-.127 -1.315
.193 .784
1.276 DayaTanggap
.268 .103
.240 2.605
.011 .864
1.157 Jaminan
.173 .157
.126 1.104
.273 .564
1.772 Empati
.541 .222
.325 2.442
.017 .413
2.419 KepercayaanKonsumen
.275 .136
.270 2.022
.047 .413
2.419 a. Dependent Variable: KepuasanPelanggan
Universitas Sumatera Utara
Tabel 4.18
Sumber : Hasil Pengolahan SPSS 16.0
Pada Tabel 4.18 Variabels EnteredRemoved
b
menunjukkan hasil analisis statistik yaitu sebagai berikut :
a. Variabel yang dimasukkan ke dalam persamaan adalah variabel independent yaitu X
1
, X
2
, X
3
, X
4
, X
5
, X
6
berupa Bukti Fisik, Kehandalan, Daya Tanggap, Jaminan, Empati, dan Kepercayaan Konsumen .
b. Tidak ada variabel independent yang dikeluarkan removed. c. Metode yang digunakan untuk memasukkan data yaitu metode enter.
Variables EnteredRemoved
b
Model Variables Entered
Variables Removed
Method 1
KepercayaanKons umen,
DayaTanggap, Kehandalan,
Jaminan, BuktiFisik,
Empati
a
. Enter
a. All requested variables entered. b. Dependent Variable: KepuasanPelanggan
Universitas Sumatera Utara
Tabel 4.19
Sumber : Hasil Pengolahan SPSS 16.0
Berdasarkan hasil pengolahan data pada Tabel 4.19, dapat dirumuskan model persamaan regresi berganda sebagai berikut:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ b
5
X
5
+ b
6
X
6
+ e Y = 1.159 + 0,180X
1
- 0,190X
2
+ 0,268X
3
+ 0,173X
4
+ 0,541X
5
+0,275X
6
+ e
Berdasarkan persamaan tersebut dapat diuraikan sebagai berikut : a. Konstanta a = 1.159. Ini menunjukkan harga konstan, dimana jika variabel
Bukti FisikX
1
, KehandalanX
2
,Daya TanggapX
3
, Jaminan
X
4
,EmpatiX
5
, danKepercayaan Konsumen X
6
= 0, maka Kepuasan PelangganWarung Bakso Sabar Menanti Helvetia akan tetap ada sebesar
1.159.
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -1.159
1.864 -.622
.536 BuktiFisik
.180 .127
.169 1.408
.164 Kehandalan
-.190 .145
-.127 -1.315
.193 DayaTanggap
.268 .103
.240 2.605
.011 Jaminan
.173 .157
.126 1.104
.273 Empati
.541 .222
.325 2.442
.017 KepercayaanKonsumen
.275 .136
.270 2.022
.047 a. Dependent Variable: KepuasanPelanggan
Universitas Sumatera Utara
b. Koefisien X
1
b
1
= 0,180. Ini menunjukkan bahwa variabel Bukti Fisikberpengaruh secara positif terhadap Kepuasan Pelanggan, atau dengan
kata lain, jika variabel Bukti Fisik ditingkatkan sebesar satu satuan, maka Kepuasan Pelanggan Warung Bakso Sabar Menanti Helvetia akan bertambah
sebesar 0,180. c. Koefisien X
2
b
2
= 0,190. Ini menunjukkan bahwa variabel Kehandalanberpengaruh secara positif terhadap Kepuasan Pelanggan Warung
Bakso Sabar Menanti Helvetia, atau dengan kata lain, jika variabel Kehandalan ditingkatkansebesar satu satuan, maka Kepuasan Pelanggan
Warung Bakso Sabar Menanti Helvetia akan bertambah sebesar 0,190. d. Koefisien X
3
b
3
= 0,268. Ini menunjukkan bahwa variabel Daya Tanggapberpengaruh secara positif terhadap Kepuasan Pelanggan Warung
Bakso Sabar Menanti Helvetia, atau dengan kata lain, jika variabel Daya Tanggap ditingkatkansebesar satu satuan, maka Kepuasan Pelanggan Warung
Bakso Sabar Menanti Helvetia akan bertambah sebesar 0,268. e. Koefisien X
4
b
4
= 0,173. Ini menunjukkan bahwa variabel
Jaminanberpengaruh secara positif terhadap Kepuasan Pelanggan Warung Bakso Sabar Menanti Helvetia, atau dengan kata lain, jika variabel Jaminan
ditingkatkansebesar satu satuan, maka Kepuasan Pelanggan Warung Bakso Sabar Menanti Helvetia akan bertambah sebesar 0,173.
Universitas Sumatera Utara
f. Koefisien X
5
b
5
= 0,541.Ini menunjukkan bahwa variabel Empatiberpengaruh secara positif terhadap Kepuasan Pelanggan Warung Bakso Sabar Menanti
Helvetia, atau dengan kata lain, jika variabel Empati ditingkatkansebesar satu satuan, maka Kepuasan Pelanggan Warung Bakso Sabar Menanti Helvetia
akan bertambah sebesar 0,541. g. Koefisien X
6
b
6
= 0,275.Ini menunjukkan bahwa variabel Kepercayaan Konsumenberpengaruh secara positif terhadap Kepuasan Pelanggan Warung
Bakso Sabar Menanti Helvetia, atau dengan kata lain, jika variabel Kepercayaan Konsumen ditingkatkansebesar satu satuan, maka Kepuasan
Pelanggan Warung Bakso Sabar Menanti Helvetia akan bertambah sebesar 0,275.
4.6 Uji Hipotesis