digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id
C. Analisis Data
1 Hasil Uji Normalitas
Metode yang digunakan untuk menguji normalitas adalah dengan menggunakan uji Kolmogorov-Smirnov. Jika nilai signifikansi
dari hasil uji Kolmogorov-Smirnov 0,05, maka terdistribusi normal
dan apabila 0,05 maka terdistribusi tidak normal.
Tabel 4.13 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 100
Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,84320469
Most Extreme Differences Absolute
,097 Positive
,096 Negative
-,097 Kolmogorov-Smirnov Z
,970 Asymp. Sig. 2-tailed
,304 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil olahan SPSS v.19, 2015 Berdasarkan output uji normalitas dengan Kolmogorov-
Smirnov Test diperoleh nilai KSZ Kolmogorov-Smirnov Z sebesar 0,970 dan Asymp. Sig. 2-tailed sebesar 0,304. Karena nilai Sig.
0,05 yaitu 0,304 0,05 maka data berdistribusi normal, sehingga asumsi normalitas terpenuhi.
2 Hasil Uji Multikolinearitas
digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id
Deteksi adanya gejala multikolinieritas dengan menggunakan nilai Variance Infaction Factor VIF dan toleransi melalui SPSS.
Model regresi yang bebas multikolinieritas memiliki nilai VIF dibawah 10 dan nilai toleransi diatas 0,1.
Tabel 4.14 Hasil Uji Multikolinearitas
Berdasarkan output pada tabel coefficients diatas diperoleh nilai Tolerance semua variabel bebas yaitu interaksi layanan,
lingkungan fisik, hasil pelayanan sebesar 0,535 ; 0,547 ; 0,521 dan nilai VIF Variance Inflation Factor sebesar 1,868 ; 1,829 ; 1,921.
Karena nilai Tolerance semua variabel bebas 0,10 dan nilai VIF Variance Inflation Factor semua variabel bebas 10,00 maka dapat
disimpulkan bahwa tidak terjadi multikolinearitas.
3 Hasil Uji Heteroskedastisitas Heteroskedastisitas diuji dengan menggunakan uji koefisien
korelasi Rank Spearman yaitu mengkorelasikan antara absolut residual
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 INTERAKSI LAYANAN
,535 1,868
LINGKUNGAN FISIK ,547
1,829 HASIL PELAYANAN
,521 1,921
a. Dependent Variable: KEPUASAN PELANGGAN
Sumber: Hasil olahan SPSS v.19, 2015
digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id
hasil regresi dengan semua variabel bebas. Apabila signifikansi hasil korelasi 0.05 5 maka dapat disimpulkan pada model regresi
tidak ada masalah heteroskedastisitas. Begitu sebaliknya, apabila signifikansi hasil korelasi 0,05 maka terjadi heteroskedastisitas.
Tabel 4.15 Hasil Uji Heteroskedastisitas
No Variabel Bebas
Correllation Coefficient Sig.
1 Interaksi Layanan
0,072 0,478
2 Lingkungan Fisik
0,055 0,588
3 Hasil Pelayanan
0,059 0,562
Sumber: Hasil olahan SPSS v.19, 2015
Berdasarkan tabel 4.15 menunjukkan bahwa signifikansi hasil korelasi untuk interaksi layanan sebesar 0,478,lingkungan fisik sebesar
0,588, dan hasil pelayanan sebesar 0,562. Semua varibel bebas signifikansi hasil korelasinya 0.05 5 maka dapat disimpulkan
bahwa pada model regresi tidak ada masalah heteroskedastisitas.
4 Hasil Uji Autokorelasi Pengukuran autokorelasi dapat dilihat pada nilai Durbin
Watson yang terdapat pada output model summary. Nilai tersebut kemudian dibandingkan dengan tabel Durbin Watson.Suatu model
regresi akan bebas autokolerasi apabila nilai Durbin Watson mendekati angka 2.Dalam penelitian ini uji autokorelasi tidak
dilakukan karena data yang digunakan bukan data series.
digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id digilib.uinsby.ac.id
5 Analisis Regresi Linier Berganda Analisis ini digunakan untuk mengetahui hubungan antara
variabel bebas yaitu interaksi layanan X1, lingkungan fisik X2 dan hasil pelayanan X3 terhadap variabel terikat yaitu kepuasan
pelanggan Y.Adapun hasil pengolahan analisis regresi linier berganda dapat dilihat pada tabel berikut ini :
Tabel 4.16 Hasil Analisis Regresi Linier Berganda
Sumber: Hasil olahan SPSS v.19, 2015 Berdasarkan tabel 4.16 menunjukkan bahwa konstanta
sebesar 0,386.Ketiga variabel yaitu interaksi layanan, lingkungan fisik dan hasil pelayanan mempunyai pengaruh yang positif terhadap
variabel kepuasan pelanggan. Dari hasil pengujian regresi linier berganda di peroleh persamaan regresi sebagai berikut:
Rumus : Y = a + β1 X1 + β2 X2 + β3 X3 + e
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
,386 1,017
,379 ,705
Interaksi Layanan ,142
,054 ,219
2,607 ,011
Lingkungan Fisik ,358
,097 ,305
3,669 ,000
Hasil Pelayanan ,304
,065 ,399
4,680 ,000
a. Dependent Variable: Kepuasan Pelanggan
