commit to user
BAB IV HASIL PENELITIAN
A. Deskripsi Data Variabel Penelitian
Penelitian yang berjudul “Pengaruh Persepsi Dimensi Kualitas Layanan Terhadap Kepuasan Pasien Rawat Inap RSUD Dr. Moewardi Surakarta
Tahun 2011
” ini mengunakan 5 variabel bebas Keandalan X
1
, Ketanggapan X
2
, Jaminan X
3
, Empati X
4
, Berwujud X
5
dan satu Variabel Dependent Kepuasan Y
Guna mengungkapkan dan membuktikan hipotesis yang telah dikemukakan, maka dalam pengumpulan datanya dengan menggunakan
angket yang disebarkan kepada responden dapat diketahui hasil sebagai berikut :
Tabel 1.Deskripsi Data Variabel keandalan, ketanggapan, jaminan, empati, berwujud dan kepuasan
N Minimum
Maximum Mean
Std. Deviation
Keandalan Ketanggapan
Jaminan Empati
Berwujud Kepuasan
Valid N Listwise 113
113 113
113 113
113 113
10,00 9,00
10,00 8,00
21,00 12,00
32,00 16,00
20,00 20,00
36,00 20,00
24,4779 12,9469
15,5752 14,4071
27,7168 15,8142
3,17101 1,60268
1,72588 2,35143
2,68418 1,80549
Sumber: data primer yang diolah
Dalam deskripsi data di atas menggambarkan bahwa banyak responden yang diambil ada 113 responden dengan variabel keandalan nilai minimum
ada 10 dan maksimum ada 32 dengan rata-rata 24,4779 dan standar deviasi
46
commit to user
ada 3.17101. Variabel ketanggapan nilai minimum 9 dan nilai maksimum ada 16 dengan rata-rata 12,9469 dan standar deviasi 1,60268. Untuk variabel
jaminan nilai minimum ada 10 dan maksimum ada 20 dengan rata-rata 15,5752 dan standar deviasi 1,72588. Untuk variabel empati niai minimum 8
dan nilai maksimum 20 dengan rata-rata 14,4071 dengan standar deviasi 2,35143. Variabel berwujud dengan nilai minimum 21 dan maksimum ada 36
dengan rata-rata 27,7168 dan standar deviasi 2,68418. Untuk variabel kepuasan nilai minimum ada 12 dan maksimum 20 dengan rata-rata 15,8142
dan standar deviasi 1,80549
B. Pengujian Persyaratan Analisis
Sebelum pengujian hipotesis dilakukan, data yang akan digunakan untuk analisis statistik dengan teknik regresi ganda harus memenuhi persyaratan sebagai
berikut: 1. Uji Multikolinieritas
Tabel 2. Nilai Tolerance dan VIF
Variabel Tolerance
VIF
Keandalan Ketanggapan
Jaminan Empati
Berwujud 0,578
0,580 0,536
0,458 0,507
1,731 1,724
1,864 2,184
1,972 Sumber: data primer yang diolah
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independent. Model regresi yang
baik seharusnya tidak terjadi korelasi antar variabel bebas. Untuk mendeteksi multikolinieritas digunakan uji korelasi pearson.
Menurut Duwi Priyatno 2008 dilakukan dengan mengamati nilai VIF dan TOLERANCE. Pedoman suatu model regresi yang bebas multikolinieritas adalah
jika Varience Inflation Factor VIF tidak lebih dari 5 dan nilai tolerance di atas
commit to user
angka 0,0001, maka disimpulkan tidak terjadi multikolenieritas. Atau dapat dikatakan tidak ada hubungan antar variabel bebas.
Dilihat dari tabel 2 semua nilai VIF kurang dari 5 dan nilai tolerance di atas 0,0001, maka dapat disimpulkan bahwa tidak terjadi multikolinieritas. Atau
dapat dikatakan tidak ada hubungan antar variabel bebas.
2. Uji Autokorelasi Tabel 3. Hasil Uji Autokorelasi
Model Durbin- Watson
1 1,981
Sumber: data primer yang diolah Uji autokorelasi digunakan untuk menguji suatu model apakah antara
variabel pengganggu masing-masing variabel bebas saling mempengaruhi. Untuk mengetahui apakah pada model regresi mengandung autokorelasi dapat digunakan
pendekatan D-W Durbin Watson. Menurut Singgih Santoso 2001 kreiteria autokorelasi ada 3, yaitu:
a. Angka D-W di bawah -2 berarti diindikasikan ada autokorelasi positif. b. Angka D-W di antara -2 sampai 2 berarti diindikasikan tidak ada
autokorelasi. c. Angka D-W di atas 2 berarti diindikasikan ada autokorelasi negatif.
Dari hasil pengolahan data didapat nilai D-W 1,981. Dikarenakan Angka D-W di antara -2 sampai 2 berarti diindikasikan tidak ada autokorelasi
3. Uji Heterokedastisitas Uji heteroskedastisitas digunakan untuk mengetahui apakah variabel
pengganggu dalam persamaan regresi mempunyai varian yang sama atau tidak. Untuk mengetahui terjadinya heteroskedastisitas yaitu dengan melihat ada
tidaknya pola tertentu pada scatterplot yang menunjukkan hubungan antara
commit to user
Regression Studentised Residual dengan Regression Standardized Predicted Value. Menurut Singgih Santoso 2001:210 menetapkan dasar pengambilan
keputusan berkaitan dengan gambar tersebut adalah: a. Jika ada pola tertentu, seperti titik-titiknya membentuk suatu pola tertentu
yang teratur bergelombang, melebar kemudian menyempit maka diindikasikan terdapat masalah heteroskedastisitas.
b. Jika tidak ada pola yang jelas, serta titik-titiknya menyebar di atas dan di bawah angka 0 pada sumbu Y, maka diindikasikan tidak terdapat masalah
heterokedastisitas
3 2
1 -1
-2 -3
Regression Studentized Residual
3 2
1
-1 -2
-3
Re gres
sio n S
tan dard
iz ed
Pre dic
ted
Va lue
Dependent Variable: Kepuasan Scatterplot
Gambar 2. Scatterplot antara Regression Studentised Residual dengan Regression Standardized Predicted Value
Sumber: data primer yang diolah
commit to user
Dikarenakan tidak ada pola yang jelas, serta titik-titiknya menyebar di atas dan di bawah angka 0 pada sumbu Y, maka diindikasikan tidak terdapat masalah
heterokedastisitas. 4. Uji Normalitas
Gambar 3. Grafik Normal P-P Plot of Regression Standardized Residual Sumber: data primer yang di olah
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau
tidak. Model regresi yang baik adalah memiliki distribusi normal atau mendekati normal. Deteksi normalitas dapat diketahui dengan melihat penyebaran data pada
sumbu diagonal pada suatu grafik. Penetapan dasar pengambilan keputusan yang digunakan sebagai berikut:
a. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas
1.0 0.8
0.6 0.4
0.2 0.0
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Ex pec
ted C
um P
rob Dependent Variable: Kepuasan
Normal P-P Plot of Regression Standardized Residual
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
Kategori