59
Tabel 3.9 Uji Reabilitas
Reliability Statistics
Cronbachs Alpha
Cronbachs Alpha Based
on Standardized
Items
N of Items .956
.960 26
Sumber : Hasil pengolahan data kuesioner dengan SPSS 20.0
Dari Tabel 3.9 dapat berarti bahwa nilai dari r
alpha
adalah sebesar 0.956 dengan nilai
r
tabel
sebesar 0.361, sehingga dapat disimpulkan bahwa instrumen penelitian telah reliabel karena nilai
r
alpha
positif dan lebih besar dari 0,80.
3.10 Teknik Analisis Data 3.10.1 Analisis Statistik Deskriptif
Analisis deskriptif merupakan metode analisis data yang digunakan dengan cara mengumpulkan, mendeskripsikan, menyusun dan mengklasifikasikan data
sehingga dapat memberikan gambaran yang jelas mengenai masalah yang diteliti.
3.10.2 Uji Asumsi Klasik
Uji asumsi klasik dilakukan sebelum melakukan analisis regresi agar didapat perkiraan yang efisien dan tidak bias. Adapun syarat asumsi klasik yang harus
dipenuhi model regresi berganda sebelum data tersebut dianalisis adalah sebagai berikut :
3.10.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah variabel pengganggu atau residual dalam model regresi memiliki distribusi normal atau tidak. Hal ini dapat
60 dilihat dari apakah sebuah data mengikuti atau mendekati distribusi normal, yakni
distribusi data dengan bentuk lonceng, tidak bergerak ke kiri atau ke kanan.
3.10.2.2 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk melihat seberapa besar peranan variabel bebas terhadap variabel terikat. Jika variance dari residual suatu
pengamatan ke pengamatan lainnya tetap atau sama, dan ini yang seharusnya terjadi maka dikatakan homoskedastisitas dan jika berbeda disebut
heteroskedastisitas. Deteksi terhadap heteroskedastisitas dilakukan melalui pendekatan grafik dan pendekatan statistik, yaitu uji Glejser.
3.10.2.3 Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji ada tidaknya hubungan korelasi antar variabel bebas penelitian. Untuk mendeteksi ada tidaknya multikolinieritas
dapat dilakukan dengan melihat toleransi variabel dan Variance Inflation Factor VIF dengan membandingkan jika nilai VIF 5 dan nilai variables tolerance
0,1, maka diduga terdapat multikolinieritas. Sebaliknya, jika nilai VIF 5 dan nilai variables tolerance 0,1, maka tidak terdapat multikolinieritas Situmorang,
dkk., 2012:140.
3.10.3 Analisis Regresi Linear Berganda
Peneliti menggunakan analisis regresi linear berganda untuk mengetahui pengaruh variabel-variabel bebas independen terhadap variabel terikat
dependen karena jumlah variabel yang digunakan lebih dari satu. Persamaan linear berganda penelitian ini adalah 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
61 Keterangan :
Y = Keputusan konsumen menggunakan jasa kursus
A = Konstanta
b
1−6
= Koefisien regresi berganda X
1
= Keandalan reliability X
2
= Daya Tanggap responsiveness X
3
= Jaminan assurance X
4
= Empati Emphaty X
5
= Bukti Fisik tangible X
6
= Brand Image e
= standar error
3.10.4 Pengujian Hipotesis
Pengujian hipotesis dalam penelitian dilakukan dengan dua uji, yaitu :
3.10.4.1 Uji f Uji Simultan
Uji F simultan digunakan untuk menunjukkan apakah semua variabel bebas yang terdiri dari kualitas layanan keandalan, daya tanggap, jaminan, empati,
bukti fisik dan brand image berpengaruh secara bersama-sama terhadap variabel terikat yakni keputusan menggunakan jasa kursus. Kriteria pengujiannya adalah
sebaagai berikut : 1.
� :
�
1
, �
2
≠ 0, artinya adalah variabel bebas yang terdiri dari kualitas layanan keandalan, daya tanggap, jaminan, empati, bukti fisik dan brand
image secara bersamaan berpengaruh positif dan signifikan terhadap variabel terikat yakni keputusan menggunakan jasa kursus.
62 2.
� :
�
1
, �
2
= 0, artinya adalah variabel bebas yang terdiri dari kualitas layanan keandalan, daya tanggap, jaminan, empati, bukti fisik dan brand
image secara bersamaan tidak berpengaruh positif dan signifikan terhadap variabel terikat yakni keputusan menggunakan jasa kursus.
Selanjutnya, pengujian hipotesis untuk pengambilan keputusan dilakukan dengan membandingkan nilai
t
hitung
dengan nilai t
tabel
, dengan kriteria F
hitung
sebagai berikut: H
diterima atau H
a
ditolak jika F
hitung
F
tsbel
pada ∝ = 5
H ditolak atau H
a
diterima jika F
hitung
F
tabel
pada ∝ = 5
3.10.4.2 Uji t Uji Parsial
Uji t atau yang disebut juga sebagai uji parsial digunakan untuk menguji apakah setiap variabel independen yang dimasukkan ke dalam model regresi
mempunyai pengaruh yang signifikan terhadap variabel dependen secara parsial Situmorang, dkk., 2012:164.
Kriteria pengujiaannya adalah sebagai berikut : �
∶ �
�
= 0, artinya setiap variabel independen yang terdiri dari Keandalan reliability, Daya Tanggap responsiveness, Jaminan assurance, Empati
empathy, Bukti Fisik tangible dan Brand Image secara parsial tidak berpengaruh positif dan signifikan terhadap variabel dependen yaitu Keputusan
Pelanggan Menggunakan Jasa Kursus. H
a
∶ b
i
≠ 0, artinya setiap variabel independen yang terdiri dari Keandalan reliability, Daya Tanggap responsiveness, Jaminan assurance, Empati
empathy, Bukti Fisik tangible dan Brand Image secara parsial berpengaruh
63 positif dan signifikan terhadap variabel dependen yaitu Keputusaan Pelanggan
Menggunakan Jasa Kursus. Pengambilan keputusan dilakukan dengan membandingkan nilai
t
hitung
dengan nilai t
tabel
, dengan kriteria t
hitung
sebagai berikut : H
diterima atau H
a
ditolak, jika t
hitung
t
tabel
pada ∝ = 5
H ditolak atau H
a
diterima, jika t
hitung
t
tabel
pada ∝ = 5
3.10.4.3 Koefisien Determinasi
�
�
Koefisien determinasi R
2
pada intinya bertujuan untuk mengukur proporsi atau presentase sumbangan variabel independen, yang terdiri dari Keandalan
reliability X
1
, Daya Tanggap responsiveness X
2
, Jaminan assurance X
3
, Empati empathy
X
4
, Bukti Fisik tangible X
5
, Brand Image �
6
terhadap variasi naik turunnya variabel dependen yaitu Keputusan Pelanggan
Menggunakan Jasa Kursus Y . Dimana nilai R
2
lebih besar atau sama dengan nol dan lebih kecil atau sama dengan satu
≤ R
2
≥ 1. Jika nilai R
2
semakin mendekati angka satu, maka dapat dikatakan bahwa variabel independen
X
1
, X
2
, X
3
, X
4
, X
5
, X
6
berpengaruh besar terhadap variabel dependen Y. Hal ini berarti model yang digunakan semakin kuat untuk menerangkan penagruh
variabel independen yang diteliti terhadap variabel dependen. Sebaliknya, jika nilai
R
2
kecil atau mendekati angka nol, maka dapatdinyatakan bahwa variabel independen
X
1
, X
2
, X
3
, X
4
, X
5
, X
6
berpengaruh semakin kecil terhadap variabel dependen Y. Hal ini berarti model yang digunakan tidak kuat untuk
menerangkan pengaruh variabel independen yang diteliti terhadap variabel terikat.
64
BAB IV HASIL DAN PEMBAHASAN
4.1 Gambaran Umum Kursus