Uji Heteroskedastisitas
3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah variabel pengganggu dalam persamaan regresi mempunyai varian yang sama atau tidak. Hasil pengujian heteroskedastisistas dalam penelitian ini dapat dilihat pada gambar berikut:
Sumber: data primer yang diolah (2012) Gambar 4.1. Scatterplot Regression Standardized Residual
Dari analisis gambar di atas, terlihat titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini menunjukkan tidak terdapat masalah heteroskedastisitas pada model regresi. Uji heterokedastisitas juga dapat diuji dengan cara lain yaitu dengan menggunakan uji glesjer. Uji Glejser dilakukan dengan cara meregresikan antara variabel independen dengan nilai absolut residualnya. Jika nilai signifikansi antara variabel independen dengan absolut residual lebih dari 0,05 maka tidak terjadi masalah heteroskedastisitas.
Hasil uji normalitas dapat dilihat dalam gambar berikut:
Sumber: data primer yang diolah (2012) Gambar 4.2. Grafik Normal P-Plot of Regression Standardized Residual
Dari gambar di atas menunjukkan bahwa data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, sehingga model regresi memenuhi asumsi normalitas
Hasil uji linearitas dapat dilihat dalam gambar berikut:
a. Plot antara Variabel Produk dengan Variabel Kepuasan Pelanggan
Sumber: data primer diolah (2012) Gambar 4.3. Plot Variabel Produk dengan Variabel Kepuasan Pelanggan
Berdasarkan gambar plot antara variabel produk (X 1 ) dengan variebel
kepuasan pelanggan (Y) di atas dapat dilihat bahwa plot menggambarkan garis lurus, maka dapat disimpulkan bahwa model regresi memenuhi asumsi linearitas. Titik-titik yang menyebar disekitar garis tidak dipermasalahkan karena yang diperhatikan di plot ini adalah garis lurus yang bergerak dari kiri bawah ke kanan atas karena menurut Singgih Santoso (2010) apabila plotnya naik dari kiri bawah kekanan atas maka memenuhi linearitas atau hubungan antara variabel bebas terhadap variabel terikat. Uji linearitas juga dapat dilihat dalam tabel dibawah ini:
Sumber: data primer diolah (2012) Gambar 4.4. Plot Variabel Harga dengan Variabel Kepuasan Pelanggan
Berdasarkan gambar plot antara variabel harga (X 2 ) dengan variebel
kepuasan pelanggan (Y) di atas dapat dilihat bahwa plot menggambarkan garis lurus, maka dapat disimpulkan bahwa model regresi memenuhi asumsi linearitas. Titik-titik yang menyebar disekitar garis tidak dipermasalahkan karena yang diperhatikan di plot ini adalah garis lurus yang bergerak dari kiri bawah ke kanan atas karena menurut Singgih Santoso (2010) apabila plotnya naik dari kiri bawah kekanan atas maka memenuhi linearitas atau hubungan antara variabel bebas terhadap variabel terikat.
Sumber: data primer diolah (2012) Gambar 4.5. Plot Variabel Lokasi dengan Variabel Kepuasan Pelanggan
Berdasarkan gambar plot antara variabel lakasi (X 3 ) dengan variebel
kepuasan pelanggan (Y) di atas dapat dilihat bahwa plot menggambarkan garis lurus, maka dapat disimpulkan bahwa model regresi memenuhi asumsi linearitas. Titik-titik yang menyebar disekitar garis tidak dipermasalahkan karena yang diperhatikan di plot ini adalah garis lurus yang bergerak dari kiri bawah ke kanan atas karena menurut Singgih Santoso (2010) apabila plotnya naik dari kiri bawah kekanan atas maka memenuhi linearitas atau hubungan antara variabel bebas terhadap variabel terikat.
Sumber: data primer diolah (2012) Gambar 4.6. Plot Variabel Promosi dengan Variabel Kepuasan Pelanggan
Berdasarkan gambar plot antara variabel promosi (X 4 ) dengan variebel
kepuasan pelanggan (Y) di atas dapat dilihat bahwa plot menggambarkan garis lurus, maka dapat disimpulkan bahwa model regresi memenuhi asumsi linearitas. Titik-titik yang menyebar disekitar garis tidak dipermasalahkan karena yang diperhatikan di plot ini adalah garis lurus yang bergerak dari kiri bawah ke kanan atas karena menurut Singgih Santoso (2010) apabila plotnya naik dari kiri bawah kekanan atas maka memenuhi linearitas atau hubungan antara variabel bebas terhadap variabel terikat.
Pengujian hipotesis merupakan langkah untuk membuktikan pernyataan yang dikemukakan dalam perumusan hipotesis. Hipotesis akan diterima apabila hasil penelitian dapat mendukung pernyataan hipotesis dan sebaliknya akan ditolak apabila hasil penelitian tidak mendukung pernyataan hipotesis.
1. Analisis Regresi Ganda
Setelah data diolah menggunakan software SPSS 19.0 for windows diperoleh nilai koefisien regresi sebagai berikut: Tabel 4.4. Koefisien Regresi
Coefficients a
t B Sig. Std. Error Beta 1 (Constant)
2.183 .032 a. Dependent Variable: Kepuasan Pelanggan
Sumber: data primer yang diolah (2012) Menurut Dwi Prayitno (2008) persamaan regresi linear berganda dapat
dituliskan sebagai berikut: Y= a + b 1 X 1 +b 2 X 2 +b 3 X 3 +b 4 X 4
Berdasarkan tabel coefficients di atas, maka persamaan regresi yang diperoleh adalah sebagai berikut:
Y = 1,368 + 0,630 X 1 + 0,440 X 2 + 0,403 X 3 + 0,318 X 4
Keterangan Y : Kepuasan Pelanggan
X 1 : Produk
X 2 : Harga
X 3 : Lokasi
Berdasarkan persamaan regresi tersebut dapat diinterpretasikan sebagai berikut:
a. Konstanta / intersep sebesar 1,368 secara matematis menyatakan bahwa jika nilai keempat variabel bebas yaitu produk, harga, lokasi, dan promosi sama dengan nol maka nilai kepuasan pelanggan (Y) adalah 1,368.
b. Koefisien regresi variabel produk (X 1 ) sebesar 0,630 artinya produk mempunyai pengaruh yang positif terhadap variabel kepuasan pelanggan. Sedangkan koefisien 0,630 berarti bahwa peningkatan satu satuan variabel produk dengan asumsi variabel bebas lain konstan akan menyebabkan kenaikan kepuasan pelanggan sebesar 0,630 satuan.
c. Koefisien regresi variabel harga (X 2 ) sebesar 0,440 artinya harga mempunyai pengaruh yang positif terhadap variabel kepuasan pelanggan. Sedangkan koefisien 0,440 berarti bahwa peningkatan satu satuan variabel harga dengan asumsi variabel bebas lain konstan akan menyebabkan kenaikan kepuasan pelanggan sebesar 0,440 satuan.
d. Koefisien regresi variabel lokasi (X 3 ) sebesar 0,403 artinya lokasi mempunyai pengaruh yang positif terhadap variabel kepuasan pelanggan. Sedangkan koefisien 0,403 berarti bahwa peningkatan satu satuan variabel lokasi dengan asumsi variabel bebas lain konstan akan menyebabkan kenaikan kepuasan pelanggan sebesar 0,403 satuan.
e. Koefisien regresi variabel promosi (X 4 ) sebesar 0,318 artinya promosi mempunyai pengaruh yang positif terhadap variabel kepuasan pelanggan. Sedangkan koefisien 0,318 berarti bahwa peningkatan satu satuan variabel promosi dengan asumsi variabel bebas lain konstan akan menyebabkan kenaikan kepuasan pelanggan sebesar 0,318 satuan.
2. Uji F
Menurur Dwi Priyatno (2008) mengatakan bahwa uji F digunakan untuk mengetahui variabel bebas secara bersama-sama atau simultan mempunyai berpengaruh secara signifikan terhadap variabel terikat.
Ho : tidak terdapat pengaruh yang signifikan antara variabel bebas secara bersama-sama terhadap variabel terikat. Ha : terdapat pengaruh yang signifikan antara variabel bebas secara bersama-sama terhadap variabel terikat.
b. Kriteria Pengujian
Ho ditolak dan Ha diterima apabila nilai probabilitas lebih kecil dari 0,05 Ho diterima dan Ha ditolak apabila nilai probabilitas lebih besar dari 0,05
Uji F dalam penelitian ini menggunakan software SPSS 19, yaitu dengan melihat tabel ANOVA dalam kolom sig, jika probabilitas < 0,05, maka dapat dikatakan terdapat pengaruh yang signifikan secara bersama-sama variabel bebas (bauran pemasaran) terhadap variabel terikat (kepuasan pelanggan) dan model regresi bisa dipakai untuk memprediksi variabel terikat. Atau jika nilai signifikansi > 0,05 maka tidak terdapat pengaruh yang signifikan secara bersama-sama antara variabel bebas (bauran pemasaran) terhadap variabel terikat (kepuasan pelanggan).
3. Nilai Probabilitas
Tabel 4.5. ANOVA
ANOVA b
Model
Sum of Squares
df Mean Square
F Sig.
a. Predictors: (Constant), Promosi, Lokasi, Harga, Produk b. Dependent Variable: Kepuasan Pelanggan
Sumber: data primer yang diolah (2012) Berdasarkan tabel ANOVA di atas dapat dilihat bahwa nilai
probabilitas dalam kolom Sig. adalah 0,000, dimana nilai ini lebih kecil dari 0,05. Maka dapat disimpulkan bahwa terdapat pengaruh yang signifikan
secara bersama-sama antara variabel bebas yang terdiri dari produk (X 1 ), harga (X 2 ), lokasi (X 3 ), dan promosi (X 4 ) terhadap variabel terikat yaitu kepuasan pelanggan (Y).
Uji t digunakan untuk menguji secara parsial masing-masing variabel.
a. Hipotesis
Ho : tidak ada pengaruh antara variabel bebas secara parsial terhadap variabel terikat. Ha : ada pengaruh variabel bebas secara parsial terhadap variabel terikat.
b. Kriteria Pengujian
Ho ditolak dan Ha diterima apabila nilai probabilitas lebih kecil dari 0,05 Ho diterima dan Ha ditolak apabila nilai probabilitas lebih besar dari 0,05.
c. Nilai Probabilitas
Tabel 4.6. Coefficients
Coefficients a
t B Sig. Std. Error Beta
2.183 .032 a. Dependent Variable: Kepuasan Pelanggan
Sumber: data primer yang diolah (2012) Berdasarkan tabel coefficients di atas bisa dilihat bahwa:
1) Nilai probabilitas produk (X 1 ) adalah 0,014. Nilai probabilitas ini lebih kecil dari 0,05 maka Ho ditolak, sehingga terdapat pengaruh yang signifikan secara parsial antara variabel produk (X 1 ) terhadap variabel kepuasan pelanggan (Y).
2) Nilai probabilitas harga (X 2 ) adalah 0,028. Nilai probabilitas ini lebih kecil dari 0,05 maka Ho ditolak, sehingga terdapat pengaruh yang signifikan secara parsial antara variabel harga (X 2 ) terhadap variabel kepuasan pelanggan (Y).
kecil dari 0,05 maka Ho ditolak, sehingga terdapat pengaruh yang signifikan secara parsial antara variabel lokasi (X 3 ) terhadap variabel kepuasan pelanggan (Y).
4) Nilai probabilitas promosi (X 4 ) adalah 0,032. Nilai probabilitas ini lebih kecil dari 0,05 maka Ho ditolak, sehingga terdapat pengaruh yang signifikan secara parsial antara variabel promosi (X 4 ) terhadap variabel kepuasan pelanggan (Y).