79
Regression Standardized Residual
4 2
-2 -4
-6
F req
u en
cy
30
20
10
Histogram Dependent Variable: kepuasan_konsumen
Mean =2.23E-15 Std. Dev. =0.98
N =100
Gambar V.1: Histogram Kepuasan Konsumen
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xp
ect ed
C u
m P
ro b
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: kepuasan_konsumen
Gambar V.2: Normal Probability Plots: Kepuasan Konsumen
80
Berdasarkan hasil dari pengolahan data menggunakan program SPSS diperoleh grafik histogram
maupun grafik plot yang
menunjukkan titik-titik kearah kanan positif dan normal, yang artinya bahwa data yang diteliti berdistribusi normal. Begitu juga hasil dari
normal probability plots yang menunjukkan bahwa distribusi normal
karena garis titik-titk menyebar disekitar garis diagonal. Maka dapat disimpulkan bahwa data variabel dependen dan variabel independen
telah memenuhi asumsi normalitas.
b. Uji Multikolinieritas
Diagnosis secara sederhana terhadap adanya multikoliniearitas di dalam model regresi salah satunya adalah melalui nilai t hitung, r2 dan f
hitung, jika r2 tinggi nilai f hitung tinggi sedangkan nilai t hitung sangat rendah, maka kemungkinan terdapat multikoliniearitas dalam model
tersebut. Alat statistik yang sering dipergunakan untuk menguji gangguan multikoliniearitas dalam model tersebut adalah dengan
variance inflation factor VIF, yaitu jika nilai toleransi 0,1 dan VIF 10 maka tidak terjadi gangguan multikoliniearitas tetapi apabila nilai
toleransi 0,1 dan VIF 10 maka terjadi gangguan multikoliniearitas.
Tabel V.17: Hasil Uji Asumsi Klasik Multikolinieritas
Varibel collinearity statistics
Tolerance VIF Produk
0,392 2.552
Harga 0,396
2.527 Pelayanan
0,791 1.265
Suasana Tempat 0,874
1.144 Sumber : Data Primer
81
Berdasarkan tabel koefisien diatas diperoleh nilai tolerance dari variabel produk X1 0,392 0,1 dan VIF 2,552 10, harga X2 0,396
0,1 dan VIF 2,527 10, pelayanan X3 0,791 0,1 dan VIF 1,265 10, dan suasana tempat X4 0,874 0,1 dan VIF 1,144 10, semua
nilai tolerance menunjukkan bahwa nilai tolerance diatas 0,1 dan nilai VIF dari variabel terikatnya menunjukkan nilai VIF 10. Maka dapat
disimpulkan bahwa korelasi koefisien antar variabel terikat menunjukkan tidak ada gangguan multikoliniearitas sehingga data layak
untuk diteliti.
c. Uji Heteroskedastisitas
Uji Heteroskedasitisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan yang lain.
Deteksi heteroskedasitisitas dapat dilakukan dengan metode scatter plot dengan memplotkan nilai Zpred nilai prediksi dengan Sresid nilai
residualnya. Model yang baik didapatkan jika tidak terdapat pola tertentu pada grafik, seperti mengumpul ditengah, menyempit kemudian
melebar atau sebaliknya.
82
Regression Studentized Deleted Press Residual
4 2
-2 -4
-6
kep u
asan _ko
n su
m en
5.00 4.50
4.00 3.50
3.00
Scatterplot Dependent Variable: kepuasan_konsumen
Gambar V.3: Hasil Uji Heteroskedastisitas: Kepuasan Konsumen
Dari hasil uji heteroskedasitisitas menggunakan program SPSS diperoleh gambar scatterplot bahwa titik-titik menyebar secara acak
dengan baik diatas maupun dibawah angka 0 pada sumbu Y. Maka dapat disimpulkan bahwa tidak terjadi gangguan heteroskedasitisitas,
sehingga uji tersebut layak digunakan untuk memprediksi tingkat kepuasan konsumen berdasarkan pada variabel terikat Produk X1,
Harga X2, Pelayanan X3, dan Suasana Tempat X4.
6. Uji Hipotesis Uji F
Menurut Ghozali 2001, uji statistik F pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukkan dalam model regresi
mempunyai pengaruh secara simultan terhadap variabel terikatdependen. Hasil uji statistik F dapat dilihat pada tabel di bawah ini.
83
Tabel V.18: Hasil Uji F
Sumber: data sekunder diolah 2015 Berdasarkan tabel di atas uji Anova, diperoleh nilai F hitung sebesar
25,637 dengan tingkat probabilitas 0,000 signifikansi. Karena probabilitas lebih kecil dari 0,05 dan nilai F lebih besar dari 2,46, maka
model regresi dapat digunakan untuk memprediksi kepuasan konsumen atau dengan kata lain bahwa produk, harga, pelayanan dan suasana
tempat secara simultan berpengaruh terhadap kepuasan konsumen.
7. Uji Hipotesis Uji t Tabel V.19: Hasil Uji t
Pada hasil analisis terlihat bahwa t hitung untuk setiap faktor yaitu sebagai berikut :
ANOVA
b
6.259 4
1.565 25.637
.000
a
5.798 95
.061 12.057
99 Regression
Residual Total
Model 1
Sum of Squares
df Mean Square
F Sig.
Predictors: Constant, suasana_tempat, harga, pelayanan, produk a.
Dependent Variable: kepuasan_konsumen b.
Coefficients
a
1.227 .369
3.321 .001
.033 .082
.046 .403
.688 -.188
.080 -.267
-2.357 .020
.655 .074
.704 8.795
.000 .254
.078 .248
3.263 .002
Constant produk
harga pelayanan
suasana_tempat Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: kepuasan_konsumen a.
84
t
hitung
produk X
1
0,403 t
tabel
1,980 pada sig 0,688 H0 di terima: yang berarti produk tidak berpengaruh positif secara signifikan terhadap
kepuasan konsumen. t
hitung
harga X
2
-2,357 t
tabel
1,980 pada sig 0,020 H0 diterima: yang berarti bahwa kesesuaian harga tidak berpengaruh positif terhadap
kepuasan konsumen. t
hitung
pelayanan X
3
8,795 t
tabel
1,980 pada sig 0,000 H0 ditolak: yang berarti bahwa pelayanan berpengaruh positif secara signifikan
terhadap kepuasan konsumen. t
hitung
suasana tempat X
4
3,263 t
tabel
1,980 pada sig 0,002 H0 ditolak: yang berarti bahwa suasana tempat berpengaruh positif secara
signifikan terhadap kepuasan konsumen.
8. Uji Koefisien Determinasi R
2
Koefisien determinasi digunakan untuk mengetahui presentase
pengaruh variabel independen yaitu produk X1, harga X2, pelayanan X3, dan suasana tempat X4 secara simultan terhadap variabel
dependen yaitu kepuasan konsumen Y. Dari hasil analisis regresi linier berganda diperoleh hasil sebagai berikut:
Tabel V.20: Output Koefisien Determinasi R
2
Model Summary
.720
a
.519 .499
.24705 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate
Predictors: Constant, suasana_tempat, harga, pelayanan, produk
a.