3.3 Analisis Data 3.3.1 Tipe Data
Data variabel independen pada penelitian ini terdiri atas dua tipe data. Data variabel independen adalah cara pelayanan, jalur birokrasi, biaya pengurusan, dan
informasi pengurusan merupakan data ordinal. Data ini diperoleh berdasarkan pengukuran variabel-variabel indikator yang berupa item-item pertanyaan
menggunakan skala likert. Akan tetapi data variabel dependen pada penelitian ini yang merupakan kepuasan masyarakat adalah tipe data nominal.
3.4 Menjelaskan Hasil Analisis Data Menggunakan SPSS 16.0 3.4.1 Model Regresi Logistik
Adapunlangkah-langkah untuk penyelesian regresi logistik dengan menggunakan SPSS 16.0 adalah sebagai berikut :
1. Membuat desain variabel
Catatan, untuk variabel berskala nominal cara mengisikan values adalah sebagai berikut:
a. Buka program spss. 16.0.
b. Pada variabel view klik dua kali pada bagian values sampai muncul kotak
dialog. c.
Isikan angka “1” pada value dan kata “puas” pada value label, kemudian klik add.
d. Isikan angka “0” pada value dan kata “tidak puas” pada value label,
kemudian klik add. e.
Klik continue.
2. Masukkan data
Untuk memasukkan data tambahan, pilihlah perintah data view. Setelah itu masukkan data mulai dari data ke satu sampai data keseratus.
Universitas Sumatera Utara
3. Lakukan analisis dengan langkah-langkah sebagai berikut:
a. Pilih menu analyze, submenu regression, kemudian pilih binary logistic.
b. Isi kolom dependent dengan variabel “kepuasan masyarakat”.
c. Isi kolom covariates dengan variabel “cara pelayanan”, “jalur birokrasi”,
“biaya pengurusan”, “informasi pengurusan”. d.
Pilih option, centang pilihan hosmer-lemeshow goodness of fit kemudian tekan continue.
e. Pilih method dan isi dengan enter.
f. Tekan ok utuk proses perhitungan.
Berdasarkan analisis data yang telah dilakukan dengan regresi logistik dengan rumus 2.6 diperoleh nilai koefisien variabel seperti Tabel 3.14 dan hasil
output dengan menggunakan SPSS 16.0 dapat di lihat pada Lampiran 3.
Tabel 3.13 Nilai Koefisien Variabel Variabel
B 0,873
0,935 1,128
0,146 Konstan
-43,029
Berdasarkan nilai-nilai koefisien hasil analisis pada tabel di atas maka taksiran model regresi logistik yang diperoleh adalah:
146 ,
128 ,
1 935
, 873
, 029
, 43
146 ,
128 ,
1 935
, 873
, 029
, 43
4 3
2 1
4 3
2 1
1
X X
X X
X X
X X
i
e e
x p
4 3
2 1
4 3
2 1
146 ,
128 ,
1 935
, 873
, 029
, 43
146 ,
128 ,
1 935
, 873
, 029
, 43
1
X X
X X
i X
X X
X
e x
p e
Universitas Sumatera Utara
4 3
2 1
4 3
2 1
146 ,
128 ,
1 935
, 873
, 029
, 43
146 ,
128 ,
1 935
, 873
, 029
, 43
X X
X X
i i
X X
X X
e x
p x
p e
4 3
2 1
4 3
2 1
146 ,
128 ,
1 935
, 873
, 029
, 43
146 ,
128 ,
1 935
, 873
, 029
, 43
X X
X X
i X
X X
X i
e x
p e
x p
4 3
2 1
146 ,
128 ,
1 935
, 873
, 029
, 43
1
X X
X X
i i
e x
p x
p
4 3
2 1
146 ,
128 ,
1 935
, 873
, 029
, 43
1
X X
X X
i i
e x
p x
p
1
i i
x p
x p
Dari hasil analisis diperoleh nilai-nilai estimasi parameter untuk persamaan regresi logistik pada penelitian ini. Persamaan logistik penelitian ini
memiliki nilai konstan -43,029. Selain itu, dari persamaan dapat dilihat besar masing-masing koefisien variabel independen persamaan logistik tersebut, maka
hasil interpretasi dari tabel di atas, yaitu:
1. Variabel
= 0,873 Variabel cara pelayanan
berpengaruh secara positif dan signifikan terhadap kepuasan masyarakat dalam pelayanan pembuatan KK Y,
artinya jika variabel cara pelayanan meningkat maka kepuasan masyarakat dalam pelayanan pembuatan KK akan bertambah.
2. Variabel
= 0,935 Variabel jalur birokrasi
berpengaruh secara positif dan signifikan terhadap kepuasan masyarakat dalam pelayanan pembuatan KK Y,
artinya jika variabel jalur birokrasi meningkat maka kepuasan masyarakat dalam pelayanan pembuatan KK akan bertambah.
3. Variabel
= 1,128 Variabel biaya pengurusan
berpengaruh secara positif dan signifikan terhadap kepuasan masyarakat dalam pelayanan pembuatan KK Y,
Universitas Sumatera Utara
artinya jika variabel biaya pengurusan meningkat maka kepuasan masyarakat dalam pelayanan pembuatan KK akan bertambah.
4. Variabel
= 0,146 Variabel informasi pengurusan
berpengaruh secara positif dan signifikan terhadap kepuasan masyarakat dalam pelayanan pembuatan KK
Y, artinya jika variabel informasi pengurusan meningkat maka kepuasan masyarakat dalam pelayanan pembuatan KK akan bertambah.
3.4.2 Uji Signifikansi Parameter Model Awal
Sebelum membentuk model regresi logistik terlebih dahulu dilakukan uji signifikansi parameter. Uji yang pertama kali dilakukan adalah pengujian peranan
parameter di dalam model secara keseluruhan overall yaitu dengan hipotesis sebagai berikut:
, :
i
H
dengan
. ...,
, 2
, 1
k i
Tidak ada pengaruh antara variabel independen terhadap variabel dependen.
:
1
H
Paling sedikit ada satu
i
Ada pengaruh antara variabel independen
terhadap variabel dependen.
Statistik uji yang digunakan adalah:
2 log
log 2
log 2
1 1
1
L L
l l
l l
G
3.4
Nilai
2
1
L L
tersebut mengikuti distribusi chi-square dengan derajat bebas banyaknya parameter dalam model
p df
. Keputusan
.
2
Kriteria ujinya adalah
H
terima jika
2 , p
G
dan
H
tolak jika
2 , p
G
. uji diperoleh dengan
membandingkan nilai G dan dan
.
2
Universitas Sumatera Utara
Untuk melihat tingkat variasi data, menggunakan Cox Snell R Square seperti Tabel 3.14 dan hasil perhitungan diperoleh menggunakan program SPSS 16.0
dapat dilihat pada Lampiran 3.
Tabel 3.14 Model Ringkasan
Langkah -2 Log
likelihood Cox Snell
R Square Nagelkerke
R Square
1 28,100
a
0,560 0,839
a. Estimasi dihentikan pada nomor 10 karena nilai
parameter lebih kecil dari 0,001.
Hasil pada Tabel 3.15 diperoleh nilai rasio kemungkinan sebesar 28,100. Nilai chi-square tabel = 9,488 dengan
05 ,
dan
, 4
p
Dengan demikian dapat dilihat bahwa,
2 , p
G
yaitu
28,100 ≥ 9,488 sehingga
H
ditolak, ini berarti bahwa paling sedikit ada satu variabel independen yang berpengaruh secara
simultan terhadap varibel dependen pada
. 05
,
Tabel di atas menunjukkan
koefisien determinasi regresi logistik yakni 0,839 sehingga dapat dikatakan kontribusi variabel independen terhadap variabel dependen adalah sebesar 83,9.
Tabel 3.15 Klasifikasi
a
Observasi Prediksi
Kepuasan_masyarakat Percentese Benar
Tidak puas Puas
Langkah 1 Kepuasan_masyarakat Tidak puas 20
4 83,3
Puas 2
74 97,4
Persentase keseluruhan 94,0
a. Batas pengklasifikasian cut-point 0,5.
Universitas Sumatera Utara
Pada Tabel 3.15 dapat dilihat bahwa ketepatan prediksi dalam penelitian ini adalah sebesar 94 merupakan angka yang baik. Dari tabel di atas 78 4+74
orang puas dalam pelayanan pembuatan KK, baris pengamatan di prediksi oleh model 4 orang tidak puas dalam pelayanan pembuatan KK dan 74 orang puas
dalam pelayanan pembuatan KK, dari 22 20+2 orang tidak puas dalam pelayanan pembuatan KK, baris pengamatan di prediksi oleh model 20 orang
tidak puas dalam pelayanan pembuatan KK dan 2 orang puas dalam pelayanan pembuatan KK.
Untuk mengetahui koefisien dari parameter mana yang berarti tersebut, maka dilakukan uji secara individual. Uji ini dapat dilakukan dengan uji wald
dengan hipotesis sebagai berikut:
, :
i
H
dengan
. ...,
, 2
, 1
k i
Tidak ada pengaruh antara masing-masing variabel independen terhadap variabel dependen.
, :
1
i
H
dengan
. ...,
, 2
, 1
k i
Ada pengaruh antara masing-masing variabel independen terhadap variabel dependen.
Statistik Uji:
2
ˆ ˆ
i i
i
SE W
dengan
k i
,..., 2
, 1
3.5
Statistik uji wald mengikuti distribusi normal sehingga untuk memperoleh keputusan pengujian, dibandingkan nilai W dengan nilai
2
Z
H
ditolak jika nilai
2
Z W
atau p-value
α. Hasil perhitungan menggunakan program SPSS 16.0 dapat dilihat pada Lampiran 3, diperoleh nilai-nilai statistik uji wald sebagai
berikut:
Universitas Sumatera Utara
Tabel 3.16 Variabel dalam Persamaan B
S.E. Wald
Df Sig.
ExpB
Langkah 1
a
Cara_pelayanan 0,873
0.332 6,908
1 0,009
2,395 Jalur_birokrasi
0,935 0,288
10,543 1
0,001 2,547
Biaya_pengurusan 1,128
0,369 9,329
1 0,002
3,089 Informasi_pengurusan 0,146
0,106 1,909
1 0,167
1,158 Konstan
-43,029 13,889 9,597
1 0,002
0,000 a.
Variabel: Cara_pelayanan,
Jalur_birokrasi, Biaya_pengurusan,
Informasi_pengurusan,yang dimasukkan pada langkah 1
Dengan
05 ,
dan
1
df
pada tabel chi-square dapat dilihat pada Lampiran 5 diperoleh nilai chi-square tabel = 3,841. Dari hasil uji statistik wald di
atas, nilai uji statistik wald pada variabel informasi pengurusan lebih kecil dari nilai chi-square tabel, sedangkan untuk nilai uji statistik wald pada variabel cara
pelayanan, jalur birokrasi, biaya pengurusan lebih besar dari nilai chi-square tabel. Dari nilai uji statistik wald tersebut dapat disimpulkan bahwa
H
ditolak, ini berarti bahwa variabel cara pelayanan, jalur birokrasi, biaya pengurusan
berpengaruh secara signifikan terhadap kepuasan masyarat dalam pembuatan KK di Kecamatan Medan Belawan.
3.4.3 Uji Kecocokan Model
Uji kecocokan model ini dilakukan dengan mengunakan uji Hosmer dan Lemeshow dengan hipotesis sebagai berikut:
... ...
2 2
1 1
2 2
1 1
1
k k
k k
x x
x x
x x
e e
H
... ...
1
2 2
1 1
2 2
1 1
1
k k
k k
x x
x x
x x
e e
H
atau
Universitas Sumatera Utara
H
: Data empiris cocok atau sesuai dengan model tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit.
1
H
: Data empiris tidak cocok atau tidak sesuai dengan model ada perbedaan antara model dengan data sehingga model dapat dikatakan fit.
Statistik Uji:
g i
i i
i i
i i
HL
N N
O
1 2
2
1
3.6
Kriteria ujinya adalah
H
terima jika
2 2
, 2
g HL
atau P- value α dan
H
tolak jika
2 2
, 2
g HL
atau P- value α.
Berdasarkan analisis data diperoleh nilai statistik chi-square untuk uji kecocokan Hosmer dan Lemeshow seperti Tabel 3.17 dan 3.18 yang hasil
perhitungannya menggunakan bantuan SPSS. 16.0 dapat dilihat pada Lampiran 3.
Tabel 3.17 Tabel Kontingensi untuk Uji Hosmer dan Lemeshow
Kepuasan_masyarakat = Tidak puas
Kepuasan_masyarakat = Puas
Total Observasi
Ekspektasi Observasi
Ekspektasi
Langkah 1 1 10
9,989 0,011
10 2
9 8,933
1 1,067
10 3
2 3,661
8 6,339
10 4
3 1,114
7 8,886
10 5
0,270 10
9,730 10
6 0,029
10 9,971
10 7
0,004 10
9,996 10
8 0,000
10 10,000
10 9
0,000 10
10,000 10
10 0,000
10 10,000
10
Universitas Sumatera Utara
Tabel 3.18 Uji Hosmer dan Lemeshow Langkah Kai-kuadrat
Df Signifikansi
1 5,108
8 0,746
Nilai statistik chi-square untuk uji kecocokan Hosmer dan Lemeshow dapat diperoleh dari persamaan 3.6 dengan
592 ,
12
2 2
,
g
dan
8
g
kelompok. Nilai ini lebih besar dari
5,108
2
HL
yang diperoleh dari uji Hosmer
dan Lemeshow dengan perhitungan menggunakan SPSS 16.0. Hasil pengujian statistik menunjukkan probabilitas signifikansi menunjukkan angka 0,746. Jadi
dapat disimpulkan bahwa
H
terima 592
, 12
5,108
atau 05
, 746
,
0 yang artinya tidak ada perbedaan antara model dengan data sehingga model dapat
dikatakan fit atau layak untuk digunakan. Pada Tabel 3.18 dapat dilihat bahwa dari 10 langkah pengamatan terhadap
kepuasan masyarakat dalam pelayanan pembuatan KK dengan menyatakan tidak puas 0 dan menyatakan puas 1, nilai yang diamati maupun nilai yang
diprediksi tidak mempunyai perbedaan yang terlalu ekstrim, ini menunjukkan bahwa model regresi logistik yang digunakan dalam penelitian ini mampu
memprediksi nilai observasinya.
3.5 Interpretasi Model Menggunakan Odds Ratio
Berdasarkan analisis data diperoleh nilai Odds Ratio seperti Tabel 3.20 dan hasil
output dengan menggunakan SPSS 16.0 dapat dilihat pada Lampiran 3.
Tabel 3.19 Kontribusi Variabel X terhadap Variabel Y
Variabel
Exp
2,395 2,547
3,089 1,158
Konstan 0,000
Universitas Sumatera Utara
Berdasarkan Tabel 3.20 dapat disimpulkan sebagai berikut : a.
Variabel Cara Pelayanan 395
, 2
Exp Dari nilai ini dapat disimpulkan bahwa jika variabel jalur birokrasi X
2
, variabel biaya pengurusan X
3
, variabel informasi pengurusan X
4
dianggap nol maka cara pelayanan yang baik di Kecamatan Medan Belawan akan mempengaruhi masyarakat untuk merasa puas terhadap
proses pelayanan pembuatan Kartu Keluarga 2,395 kali lebih besar dibandingkan dengan cara pelayanan yang buruk.
b. Variabel Jalur Birokrasi
547 ,
2
Exp Dari nilai ini dapat disimpulkan bahwa jika variabel cara pelayanan X
1
, variabel biaya pengurusan X
3
, variabel informasi pengurusan X
4
dianggap konstan maka jalur birokrasi yang baik di Kecamatan Medan Belawan akan mempengaruhi masyarakat untuk merasa puas terhadap
proses pelayanan pembuatan Kartu Keluarga 2,547 kali lebih besar dibandingkan dengan jalur birokrasi yang buruk.
c. Variabel Biaya Pengurusan
089 ,
3
Exp
Dari nilai ini dapat disimpulkan bahwa jika variabel cara pelayanan X
1
, variabel jalur birokrasi X
2
, variabel informasi pengurusan X
4
dianggap konstan maka biaya pengurusan yang baik di Kecamatan Medan
Belawan akan mempengaruhi masyarakat untuk merasa puas terhadap proses pelayanan pembuatan Kartu Keluarga 3,089 kali lebih besar
dibandingkan dengan besar biaya pengurusan yang buruk.
d. Variabel Informasi Pengurusan
158 ,
1
Exp Dari nilai ini dapat disimpulkan bahwa jika variabel cara pelayanan X
1
, variabel jalur birokrasi X
2
, variabel biaya pengurusan X
3
dianggap konstan maka biaya pengurusan yang baik di Kecamatan Medan
Belawan akan mempengaruhi masyarakat untuk merasa puas terhadap proses pelayanan pembuatan Kartu Keluarga 1,158 kali lebih besar
dibandingkan dengan besar biaya pengurusan yang buruk.
Universitas Sumatera Utara
3.6 Mencari Persamaan Regresi Logistik dengan Perhitungan Manual