commit to user
b. Jika data menyebar jauh dari garis diagonal danatau tidak mengikuti garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Berdasarkan uji normalitas, pada output terlihat bahwa data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi
memenuhi asumsi normalitas.
C. Pengujian Hipotesis
a. Menghitung Pesamaan Garis Regresi Linier Ganda
Analisis Regresi Linear Berganda adalah hubungan secara linier antara dua atau lebih variabel independen X1, X2,...Xn dengan variabel dependen
Y. Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen
berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau
penurunan. Berdasarkan penghitungan SPSS didapat Persamaan regresi linear berganda sebagai berikut:
Y = -0,718+ 0,114X
1
+0,398X
2
+ 0,228X
3
+ 0,120X
4
+ 0,119X
5
Keterangan : Y = Kepuasan Konsumen
X
1
= Keandalan X
2
= Ketanggapan X
3
= Jaminan X
4
= Empati X
5
= Berwujud
1. Konstanta sebesar -0,718 menyatakan, bahwa jika tidak ada kelima variabel yang diteliti tersebut, maka besarnya kepuasan adalah sebesar -
0,718. Damudar Gujarati
commit to user
2. Koefisien regresi X
1
sebesar 0,114 menyatakan, bahwa setiap peningkatan karena tanda positif keandalan sebesar 1 akan menyebabkan kepuasan
konsumen meningkat sebesar 0,114. 3. Koefisien regresi X
2
sebesar 0,398 menyatakan, bahwa setiap peningkatan karena tanda positif ketanggapan sebesar 1 akan menyebabkan kepuasan
konsumen meningkat sebesar 0,398. 4. Koefisien regresi X
3
sebesar 0,228 menyatakan, bahwa setiap peningkatan karena tanda positif jaminan sebesar 1 akan menyebabkan kepuasan
konsumen meningkat sebesar 0,228. 5. Koefisien regresi X
4
sebesar 0,120 menyatakan, bahwa setiap peningkatan karena tanda positif empati sebesar 1 akan menyebabkan kepuasan
konsumen meningkat sebesar 0,120. 6. Koefisien regresi X
5
sebesar 0,119 menyatakan, bahwa setiap peningkatan karena tanda positif berwujud sebesar 1 akan menyebabkan kepuasan
konsumen meningkat sebesar 0,119.
b. Uji F
Uji F digunakan untuk mengetahui variabel bebas secara bersama-
sama mempunyai berpengaruh secara signifikan terhadap variabel terikat
Tabel 4. Anova Model
Sum of Square
df Mean Square
F Sig.
1 Regression Residual
Total 283,186
81,911 365,097
5 107
112 56,637
0,766 73,984
,000
a
Sumber: data primer yang diolah
Dari tabel di atas diketahui nilai F sebesar 73,984 dengan signifikansi sebesar 0.000 0,05. Dikarenakan sighnifikasi 0,05 maka variabel bebas
keandalan, ketanggapan, jaminan, empati, berwujud secara bersama-sama berpengaruh terhadap kepuasan.
commit to user
c. Uji t
Uji t digunakan untuk menguji secara parsial masing-masing variabel. Hasil uji t dapat dilihat pada tabel coefficients pada kolom sig significance.
Jika probabilitas nilai t atau signifikansi 0,05, maka dapat dikatakan bahwa terdapat pengaruh antara variabel bebas terhadap variabel terikat. Atau jika
probabilitas nilai t atau signifikansi 0,05, maka dapat dikatakan bahwa tidak terdapat pengaruh yang signifikan masing-masing variabel bebas terhadap
variabel terikat. Pengujian ini dilakukan untuk mengetahui ada tidaknya pengaruh
yang signifikan variabel independen secara individual terhadap variabel dependen. Metode yang digunakan adalah uji t terhadap signifikansi koefisien
regresi variabel independen yang menunjukkan mampu tidaknya suatu variabel independen secara individual memprediksi dengan tepat variabel
dependen. Pengujian bersifat dua arah dengan level of significant sebesar 0,05 dan jumlah sampel sebanyak 113. Pegnujian melibatkan 6 parameter yaitu 1
konstanta
dan 5 koefisien yaitu
1
,
2
,
3,
4
,
5
df = 113 – 6 = 107
sehingga diperoleh daerah kritik sebagai kriteria pengujian sebagai berikut: H
diterima jika -t
tabel
≤ t
hitung
≤ t
tabel
-t
0,025;108
≤ t
hitung
≤ t
0,025;108
-1,982 ≤ t
hitung
≤ 1,982 H
ditolak jika t
hitung
-t
tabel
atau t
hitung
t
tabel
t
hitung
-t
0,025;108
atau t
hitung
t
0,025;108
t
hitung
-1,982 atau t
hitung
1,982
a. Pengaruh Variabel Keandalan terhadap Kepuasan Konsumen Variabel Keandalan memiliki nilai t sebesar 3,319 dalam wilayah
penerimaan dengan signifikansi sebesar 0,001. lebih besar dari level of significant 0,05 karena t
hitung
t
tabel
3,319 1,982 maka H ditolak oleh
sebab itu disimpulkan bahwa keandalan berpengaruh signifikan terhadap kepuasan konsumen.
commit to user
b. Pengaruh Variabel Ketanggapan terhadap Kepuasan Konsumen Variabel Keandalan memiliki nilai t sebesar 5,878 dalam wilayah
penerimaan dengan signifikansi sebesar 0,001. lebih besar dari level of significant 0,05 karena t
hitung
t
tabel
5,878 1,982 maka H ditolak oleh
sebab itu disimpulkan bahwa ketanggapan berpengaruh signifikan terhadap kepuasan konsumen.
c. Pengaruh Variabel Jaminan terhadap Kepuasan Konsumen Variabel Keandalan memiliki nilai t sebesar 3,492 dalam wilayah
penerimaan dengan signifikansi sebesar 0,001. lebih besar dari level of significant 0,05 karena t
hitung
t
tabel
3,492 1,982 maka H ditolak oleh
sebab itu disimpulkan bahwa jaminan berpengaruh signifikan terhadap kepuasan konsumen.
d. Pengaruh Variabel Empati terhadap Kepuasan Konsumen Variabel Keandalan memiliki nilai t sebesar 2,305 dalam wilayah
penerimaan dengan signifikansi sebesar 0,001. lebih besar dari level of significant 0,05 karena t
hitung
t
tabel
2,305 1,982 maka H ditolak oleh
sebab itu disimpulkan bahwa empati berpengaruh signifikan terhadap kepuasan konsumen.
e. Pengaruh Variabel Berwujud terhadap Kepuasan Konsumen Variabel Keandalan memiliki nilai t sebesar 2,760 dalam wilayah
penerimaan dengan signifikansi sebesar 0,001. lebih besar dari level of significant 0,05 karena t
hitung
t
tabel
2,760 1,982 maka H ditolak oleh
sebab itu disimpulkan bahwa berwujud berpengaruh signifikan terhadap kepuasan konsumen.
commit to user
Tabel. 4 Uji t Variabel
t Signifikasi
P Pengaruh
Keandalan Ketanggapan
Jaminan Empati
Berwujud 3,319
5,878 3,492
2,305 2,760
0,001 0,000
0,001 0,023
0,007 0,05
0,05 0,05
0,05 0,05
Ada Ada
Ada Ada
Ada Sumber: data primer yang diolah
Dikarenakan Nilai signifikansi 0,05 maka semua variabel independen memiki pengaruh terhadap kepuasan secara parsial.
d. Koefisien Determinasi Adjusted R Square
Tabel 5. Model Summary Model
R R Square
Adjusted R Square
1 0,881
a
0,776 0,765
Sumber: data primer yang diolah Model Summary digunakan untuk mengetahui apakah variabel terikat
Y dapat dijelaskan oleh variberl bebas X. Berdasarkan tabel, diketahui angka R sebesar 0,881 yang menunjukkan bahwa korelasi atau hubungan
antara kepuasan dengan 5 variabel bebas-nya adalah kuat. Hal tersebut dikarenakan angka R di atas 0,5. Besarnya Adjusted R
Square dapat dilihat pada output Model Summary. Pada kolom Adjusted R
Square dapat diketahui nilainya sebesar 0,765 sehingga 76,5 dijelaskan oleh variabel-variabel
bebas keandalan, ketanggapan, jaminan empati dan berwujud terhadap variabel terikat kepuasan. Dan sisanya 100 - 76,5 = 23,5 dipengaruhi
atau dijelaskan oleh variabel-variabel lain yang tidak dimasukkan dalam model penelitian ini.
commit to user
e. Uji Beda Uji t Statistik
Uji ini digunakan untuk mengetahui apakah ada perbedaan yang signifikan antara harapan dengan kinerja yang terjadi dilapangan. Jika tingkat
signifikansi 0,05 maka ada perbedaan yang signifikan antara harapan dan kenyataan kinerja. Dari Penghitungan Olah data SPSS diketahui tingkat
signifikan dari uji t adalah 0,000 0,05. Maka ada perbedaan yang singnifikan antara harapan dan kenyataan.
Tabel 6. Harapan dan Kinerja Mean
N Std. Deviation
Pair Keandalan H 1 Keandalan K
Pair Ketanggapan H 2 Ketanggapan K
Pair Jaminan H 3 Jaminan K
Pair Empati H 4 Empati K
Pair Berwujud H 5 Berwujud K
29,7611 24,4779
15,6106 12,9469
19,0000 15,5752
18,4159 14,4071
32,5310 27,7168
113 113
113 113
113 113
113 113
113 113
2,79756 3,17101
1,03883 1,60268
1,65831 1,72588
1,90734 2,35143
3,72269 2,68418
Sumber: data primer yang diolah Dari hasil penghitungan didapat nilai rata-rata harapan 115,3186
dengan kenyataan kinerja sebesar 95,1239. Maka harapan tersebut lebih baik daripada kenyataan.
D. Pembahasan Hasil Analisis Data
