tersebut, sedangkan yang menyatakan tidak setuju dan sangat tidak setuju adalah sebanyak 5,1.
Dengan demikian dapat disimpulkan bahwa pengguna yang merasa puas akan menggunakan kembali jasa perpustakaan, hal ini jelas terlihat dari jawaban
responden pada umumnya menjawab setuju bahwa pengguna akan menggunakan kembali jasa perpustakaan sebanyak 67,3.
Tanggapan responden terhadap pernyataan informasi yang dibutuhkan terpenuhi adalah sebanyak 75,3 sangat setuju dan setuju, yang menjawab tidak
setuju dan sangat tidak setuju sebanyak 24,7. Dengan demikian dapat disimpulkan bahwa informasi yang dibutuhkan
oleh pengguna BAPERASDA Propinsi Sumatera Utara sudah terpenuhi, hal ini jelas terlihat dari jawaban responden yang pada umumnya menjawab setuju
apabila informasi yang dibutuhkan terpenuhi yaitu sebanyak 56,5. Tanggapan responden terhadap pernyataan mempromosikan kepada orang
lain untuk menggunakan jasa perpustakaan adalah sebanyak 93,2 sangat setuju dan setuju, yang menjawab tidak setuju dan sangat tidak setuju sebanyak 6,8.
Dengan demikian dapat
disimpulkan bahwa pengguna akan mempromosikan perpustakaan kepada orang lain untuk menggunakan jasa
perpustakaan, hal ini jelas terlihat dari jawaban responden yang pada umumnya menjawab setuju bahwa pengguna akan mempromosikan kepada orang lain untuk
menggunakan jasa perpustakaan sebanyak 63,1. Hal itu berarti bahwa pengguna sudah merasa puas akan pelayanan yang diberikan oleh BAPERASDA Propinsi
Sumatera Utara.
4.3 Evaluasi Model
Dalam model analisis regresi linier berganda terdapat asumsi-asumsi yang harus dipenuhi agar model menjadi tidak bias yaitu dengan pengujian normalitas
data, multikolinieritas, dan heteroskedastisitas yang disebut juga dengan pengujian asumsi klasik.
Menurut Nugroho 2005: 57 bahwa “Model regresi linier berganda dapat disebut sebagai model yang baik jika model tersebut memenuhi asumsi normalitas
data dan terbebas dari asumsi-asumsi klasik statistik, baik itu multikolinieritas maupun heteroskedastisitas”.
Universitas Sumatera Utara
Pengujian yang dilakukan pada model analisis regresi linier berganda pada penelitian ini adalah sebagai berikut:
1. Pengujian Normalitas Data Pengujian normalitas data dilakukan agar terlihat sebaran data yang akan
dianalisis berdistribusi normal atau tidak, karena model regresi yang baik adalah berdistribusi normal atau mendekati normal. Hasil pengujian normalitas data
dapat dilihat pada gambar 4.1 dibawah ini:
Normal P-P Plot of Regression Standardized Residual
1.0 0.8
0.6 0.4
0.2 0.0
1.0 0.8
0.6 0.4
0.2 0.0
Dependent Variable: Y
Gambar 4.1: Uji Normalitas Data
Sumber : Hasi Pengolahan SPSS, 2008
Berdasarkan Gambar 4.1 dapat dijelaskan bahwa data-data terlihat lurus mengikuti garis diagonal, sehingga dapat dijelaskan bahwa sebaran data adalah
berdistribusi normal. Penjelasan ini diperkuat dengan pendapat Nugroho 2005: 24 yang
menyatakan “Suatu variabel dikatakan normal jika gambar berdistribusi dengan titik-titik data yang menyebar disekitar garis diagonal, dan penyebaran titik-titik
data searah mengikuti garis diagonal”.
2. Pengujian Multikolinieritas Pengujian multikolinieritas dilakukan untuk menguji apakah pada model
regresi ditemukan adanya korelasi antar variabel bebas, jika terdapat korelasi maka telah terjadi problem multikolinieritas. Model regresi yang baik adalah tidak
Universitas Sumatera Utara
multikolinieritas. Untuk mengetahuinya dapat dilihat melalui nilai Variance Inflation Faktor VIF.
Menurut Nugroho 2005: 58 “Jika nilai Variance Inflation Factor VIF tidak lebih dari 5, maka model dapat dikatakan terbebas dari multikolinieritas”.
Hasil pengujian multikolinieritas dapat dilihat pada Tabel 4.9 di bawah ini:
Tabel 4.9 Uji Multikolinieritas
Collinearity Statistic Tolerance
VIF 0,629
1,589 0,602
1,662 0,516
1,938 0,688
1,453 0,639
1,564
Sumber: Hasil pengolahan SPSS, 2008
Berdasarkan Tabel 4.9 dapat dilihat bahwa masing-masing variabel mempunyai angka VIF di bawah 5, hal ini menunjukkan bahwa tidak terjadi
multikolinieritas. 3. Pengujian Heteroskedastisitas
Pengujian heteroskedastisitas adalah untuk melihat apakah terjadi varians gangguan berbeda dari satu pengamatan ke pengamatan lainnya. Jika terjadi maka
terdapat heteroskedastisitas, model regresi yang baik adalah tidak terjadi heteroskedastisitas. Deteksi dapat dilakukan dengan melihat ada tidaknya pola
tertentu pada scatterplot. Menurut Nugroho 2005: 62 bahwa: 1 Titik-titik data menyebar di atas
dan di bawah atau disekitar angka 0, 2 Titik-titik data tidak mengumpul hanya di atas atau di bawah saja, 3 Penyebaran titik-titik data tidak boleh membentuk
pola bergelombang melebar kemudian menyempit dan melebar kembali, 4 Penyebaran titik-titik data sebaiknya tidak berpola. Semuanya ini dapat dikatakan
terbebas dari heteroskedastisitas. Hasil pengujian heteroskedastisitas dapat dilihat pada Gambar 4.2 berikut
ini:
Universitas Sumatera Utara
Regression Standardized Predicted Value
4 2
-2
R egr
es si
on St andar
di ze
d R es
idual
3 2
1
-1 -2
-3
Scatterplot Dependent Variable: Y
Gambar 4.2: Uji Heteroskedastisitas
Sumber: Hasil Pengolahan SPSS, 2008
Dari Gambar 4.2 di atas dapat dilihat bahwa titik-titik menyebar di atas dan di bawah atau disekitar angka 0 dan titik-titik tersebut tidak membentuk pola
bergelombang melebar kemudian menyempit dan melebar kembali. Hal ini menunjukkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga
model layak digunakan untuk memprediksi kepuasan pengguna berdasarkan dimensi kualitas pelayanan.
Dari hasil pengujian statistik dengan model regresi linier berganda tidak terdapat pelanggaran asumsi klasik. Dimana dari hasil ketiga pengujian asumsi
klasik diketahui bahwa model yang digunakan sudah memenuhi syarat Best Linier Unbiased Estimator BLUES sehingga model regresi linier berganda dapat
digunakan sebagai alat uji statistik dalam penelitian ini.
4.4 Pengaruh Kualitas Pelayanan Terhadap Kepuasan Pengguna BAPERASDA Propinsi Sumatera Utara
