57
banyaknya responden yang memberikan jawaban setuju skor jawaban 5 dengan jumlah 56 jawaban atau sebesar 48,70.
c. Pada item pertanyaan ketiga yang menanyakan keinginan pelanggan untuk berkunjung kembali ke rumah makan “Ikan Bakar Cianjur”
menunjukkan bahwa jawaban yang diberikan oleh reseponden dapat dikatakan setuju terhadap pertanyaan yang diajukan. Hal tersebut
ditunjukkan dengan banyaknya responden yang memberikan jawaban setuju skor jawaban 5 dengan jumlah 64 jawaban atau sebesar 55,65.
Berdasarkan hasil penyebaran kuesioner diketahui bahwa jawaban yang diberikan reseponden dapat dikatakan setuju dengan pertanyaan yang
diajukan. Hal tersebut ditunjukkan dengan banyaknya responden yang memberikan jawaban bahwa pelanggan cukup merasa puas dengan
pelayanan rumah makan “Ikan Bakar Cianjur” dan di masa yang akan datang akan mengatakan hal-hal yang baik kepada orang lain tentang
rumah makan “Ikan Bakar Cianjur” serta menganjurkan orang lain untuk makan di rumah makan “Ikan Bakar Cianjur” kepada orang lain. Selain itu
pelanggan juga memiliki keinginan untuk berkunjung kembali ke rumah makan “Ikan Bakar Cianjur”.
4.3. Deskripsi Hasil Analisis Dan Uji Hipotesis
4.3.1. Uji Normalitas Sebaran dan Linieritas
Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai statistik untuk
menguji normalitas itu disebut Z-value. Bila nilai-Z lebih besar dari nilai kritis
58
maka dapat diduga bahwa distribusi data adalah tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 [1] yaitu sebesar ± 2,58.
Hasil pengujian Normalitas pada penelitian ini akan ditampilkan pada tabel berikut :
Tabel 4.7. Hasil Uji Normalitas
Assessment of normality Variable
min max
kurtosis c.r.
X11 4
7 -0,183
-0,400 X12
4 7
0,004 0,008
X13 4
7 -0,127
-0,277 X21
4 7
-0,454 -0,993
X22 4
7 -0,161
-0,352 X23
4 7
-0,271 -0,594
X24 4
7 -0,923
-2,020 X31
4 7
-0,260 -0,569
X32 4
7 -0,308
-0,674 X33
4 7
-0,373 -0,817
X41 4
7 -0,141
-0,309 X42
4 7
-0,626 -1,371
X43 3
7 0,038
0,084 X51
4 7
-0,517 -1,132
X52 4
7 -0,120
-0,264 X53
4 7
-0,681 -1,491
Y1 4
7 -0,384
-0,841 Y2
4 7
-0,271 -0,594
Y3 4
7 -0,359
-0,785 Y4
4 7
-0,197 -0,432
Z1 4
7 -0,167
-0,367 Z2
4 7
-0,224 -0,491
Z3 5
7 -1,022
-2,237
Multivariate
-6,410 -1,013
Batas Normal ± 2,58
Sumber : lampiran 3 Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang
digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai statistik untuk menguji normalitas itu disebut Z-value. Bila nilai-Z lebih besar dari nilai kritis
maka dapat diduga bahwa distribusi data adalah tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 [1] yaitu sebesar ± 2,58.
59
Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara ± 2,58 itu berarti asumsi normalitas terpenuhi. Fenomena ini tidak menjadi masalah
serius seperti dikatakan oleh Bentler Chou [1987] bahwa jika teknik estimasi dalam model SEM menggunakan maximum likelihood estimation [MLE] walau
ditribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga data layak untuk digunakan dalam estimasi selanjutnya.
4.3.2. Evaluasi atas Outlier
Outlier adalah observasi atau data yang memiliki karakteristik unik yang
terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi
Hair,1998. Multivariate outlier
diuji dengan kriteria jarak Mahalanobis pada tingkat p 0,001. Jarak diuji dengan Chi-Square [
χ2] pada df sebesar jumlah variabel bebasnya df = 20. Ketentuan : bila Mahalanobis dari nilai
χ2 adalah multivariate outlier
. Pada penelitian ini terdapat outlier apabila nilai Mahalanobis distancenya
45,315. Untuk lebih memperjelas uraian mengenai evaluasi outlier multivariate
berikut ini akan disajikan tabel Uji Outlier Multivariate : Tabel 4.8.
Hasil Pengujian Outlier Multivariate
Minimum Maximum Mean
Std. Deviation
N Predicted Value
2,93 122,92
58,00 20,783
115 Std. Predicted Value
-2,650 3,124
0,000 1,000
115 Standard Error of Predicted Value
8,169 17,171 13,241
1,556 115
Adjusted Predicted Value 2,03
132,05 58,40
22,049 115
Residual -57,765
63,613 0,000
26,072 115
Std. Residual -1,980
2,180 0,000
0,893 115
Stud. Residual -2,326
2,464 -0,006
1,007 115
60
Deleted Residual -83,938
81,283 -0,399
33,186 115
Stud. Deleted Residual -2,385
2,537 -0,006
1,015 115
Mahalanobis Distance [MD] 7,942
38,481 22,800 5,424
115 Cooks Distance
0,000 0,119
0,012 0,016
115 Centered Leverage Value
0,070 0,338
0,200 0,048
115
Sumber : lampiran 4 Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui nilai MD
maksimum adalah 38,481 lebih kecil dari 49,728. Oleh karena itu diputuskan
dalam penelitian tidak terdapat outlier multivariate antar variabel. 4.3.3.
Deteksi Multicollinierity dan Singularity
Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 kecil, maka terjadi
multikolinieritas dan singularitas Tabachnick Fidell, 1998. Berdasarkan hasil pengujian dengan menggunakan program AMOS 4.0
diperoleh hasil Determinant of Sample Covariance Matrix adalah 0 yaitu sebesar 58,499 mengindikasikan tidak terjadi multikolinieritas dan singularitas
dalam data ini sehingga asumsi terpenuhi.
4.3.4. Uji Validitas dan Reliabilitas
