Uji Asumsi Klasik Hasil penelitian

50 Berdasarkan Tabel 4.3 kolom Corrected Item-total Correlation menunjukkan korelasi antara skor total item yang dapat digunakan untuk menguji validitas instrument. R tabel untuk sampel 30 adalah sebesar 0,361. Berdasarkan Tabel 4.3 dapat dilihat bahwa dari 24 pernyataan yang dibuat dalam kuesioner ternyata tidak ada pernyataan yang tidak valid karena r hitung positif yang dapat dilihat dari kolom Corrected Item-total Correlation dan r hitung r tabel sehingga dapat disimpulkan bahwa ke 24 pernyataan tersebut valid. 2. Uji Reliabilitas Suatu konstruk atau variabel dikatakan reliable jika memberikan nilai Cronbach Alpha 0,6 atau Cronbach Alpha 0,8. Berdasarkan hasil pengolahan data untuk uji reliabilitas dapat dilihat pada Tabel 4.4 berikut : Tabel 4.4 Uji Reliabilitas Reliability Statistics Cronbachs Alpha N of Items .942 24 Sumber : Hasil Penelitian Data Diolah SPSS Mei, 2016 Hasil pengolahan data pada Tabel 4.4 menunjukkan bahwa nilai dari cronbach alpha sebesar 0,942 yang lebih besar dari 0,8 dengan demikian data tersebut telah reliable.

4.2.2 Uji Asumsi Klasik

Syarat uji asumsi klasik harus dipenuhi agar model regresi dapat dianalisis, dan syarat asumsi klasik yang harus dipenuhi tersebut adalah : 1. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah model regrresi berdistribusi normal. Uji normalitas dapat dilakukan dengan analisis grafik dilihat dari titik- 51 titik yang menyebar disekitar garis diagonal, yakni distribusi data dengan bentuk lonceng dan distribusi data tersebut tidak menceng ke kiri atau ke kanan. Gambar 4.2 Histogram Uji Normalitas Sumber : Hasil Penelitian Data Diolah Mei, 2016 Gambar 4.3 Plot Uji Normalitas Sumber : Hasil Penelitian Data Diolah Mei, 2014 52 Berdasarkan Gambar 4.2 dapat diketahui bahwa variabel berdistribusi normal, hal ini ditunjukkan oleh data tersebut tidak melenceng ke kiri atau ke kanan, sedangkan pada Gambar 4.3 dapat juga terlihat titik yang mengikuti data di sepanjang garis diagonal, hal ini berarti data berdistribusi normal. Namun untuk lebih memastikan bahwa data di sepanjang garis diagonal berdistribusi normal maka dilakukan uji Kolmogorov-Smirnov K-S. Tabel 4.5 uji Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 80 Normal Parameters a,,b Mean .0000000 Std. Deviation 9.78378146 Most Extreme Differences Absolute .105 Positive .089 Negative -.105 Kolmogorov-Smirnov Z .937 Asymp. Sig. 2-tailed .343 a. Test distribution is Normal. b. Calculated from data. Sumber : Hasil Penelitian Data Diolah Mei, 2014 Berdasarkan Tabel 4.5 dapat diketahui bahwa nilai Asymp.Sig. 2-tailed adalah 0,343, ini berarti di atas nilai signifikan 0,05 atau 5 oleh karena itu, sesuai dengan analisis grafik, analisis statistik dengan uji statistik non-parametik Kolmogorov-Smirnov K-S juga menyatakan bahwa variabel residual berdistribusi normal. 2. Uji Heteroskedastisitas 53 Uji ini bertujuan untuk menguji model regresi terjadi ketidaksamaan varians dari satu residual pengamatan ke pengamatan lain. jika varians dari residual satu pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu : a. Metode Grafik Dasar analisis adalah jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas. Gambar 4.4 Scatterplot Sumber : Hasil Penelitian Data Diolah Mei, 2016 Berdasarkan Gambar 4.4 dapat terlihat bahwa tidak ada pola yang jelas,serta titik-titik menyebar diatas dan di bawah angka 0 pada sumbu Y, makaberdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi. 54 b. Uji Glejser Glejser mengusulkan untuk meregresi nilai absolute residual terhadap variabel independen. Jika variabel independen signifikan secara statistik mempengaruhi variabel independen, maka ada indikasi terjadi heteroskedastisitas. Tabel 4.6 Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant -4.412 6.212 -.710 .480 Strategi Nilai Pelanggan .135 .728 .023 .185 .854 Sistem Organisasional -.007 .456 -.002 -.015 .988 Perbaikan Kualitas Berkelanjutan .910 .404 .325 2.256 .067 a. Dependent Variable: ABSUT Kriteria pengambilan keputusan dengan uji glejser sebagai berikut : a Jika nilai signifikansi 0,05 maka tidak mengalami gangguan heteroskedastisitas b Jika nilai signifikansi 0,05 maka mengalami gangguan heteroskedastisitas Tabel 4.6 memperlihatkan bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolute Ut Absut. 55 Hal ini terlihat dari probabilitas signifikansi di atas tingkat kepercayaan 5, jadi model regresi tidak mengarah adanya heteroskedastisitas. Uji Multikolinearitas Gejala multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen terpilih yang tidak dijelaskan oleh variabel independen lainnya. nilai umum yang biasa dipakai adalah nilai Tolerance 0,1 atau nilai VIF 5, maka tidak terjadi multikolinearitas. Uji Multikolinearitas Tabel 4.7 Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardize d Coefficients t Sig. Collinearity Statistics B Std. Error Beta Toleranc e VIF 1 Constant 88.669 10.446 8.488 .000 Strategi Nilai Pelanggan -4.298 1.225 -.421 -3.508 .001 .780 1.282 Sistem Organisasional .449 .767 .090 .586 .560 .476 2.100 Perbaikan Kualitas Berkelanjutan .280 .679 .058 .412 .681 .564 1.774 a. Dependent Variable: Kepuasan Pasien Berdasarkan Tabel 4.7 dapat terlihat bahwa: 56 a Nilai VIF dari variabel Kepuasan dan Variabel Pengetahuan Produk lebih kecil atau dibawah 5 VIF 5, ini berarti tidak terdapat multikolineritas antar variabel independen dalam model regresi. b Nilai Tolerance dari variabel Kepuasan dan Pengetahuan Produk lebih besar dari 0,1 Nilai Tolerance 0,1 ini berarti tidak terdapat multikolinearitas antar variabel independen dalam model regresi.

4.2.3 Analisis Regresi Linear Berganda