Independen, yaitu jika suatu Variabel Independen mempunyai nilai VIF 10
berarti telah ter 4.3.28
adi multikolinearitas.
4.3.29 4.3.30
4.3.31 4.3.32
4.3.33 4.3.34
4.3.35 4.3.36
4.3.37 4.3.38
4.3.39 4.3.40
4.3.41 4.3.42
4.3.43 Tabel 4.12 4.3.44
Hasil Uji Multikolinearitas
4.3.45 Sumber: Output SPSS diolah, 2013
4.3.46 4.3.47
4.3.48 Berdasarkan hasil
pengolahan data pada Tabel 4.12 tersebut di atas, untuk menguji ada tidaknya
Multikolinearitas pada model regresi linier dapat dilakukan dengan dua cara, yaitu
dengan melihat nilai VIF masing-masing variabel independen dan melihat nilai
korelasi antar variabel independen.
4.3.49 Dari hasil perhitungan
tabel 4.12 uji multikolinearitas menunjukkan bahwa semua variabel independen memiliki
nilai tolerance lebih dari 0.1 10, artinya tidak ada korelasi antar variabel bebas. Hasil
perhitungan juga menunjukkan bahwa semua variabel bebas memiliki VIF kurang
dari 10 10. Jadi dapat disimpulkan bahwa tidak ada gejala multikolinearitas dalam
model regresi yang digunakan.
4.3.50 Uji Heterokedastisitas
4.3.51 Uji heterokedastisitas
bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan
variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari
residual satu pengamatan ke pengamatan yang lain tetap, maka disebut
homokedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang baik
adalah yang homokedastisitas atau tidak terjadi heterokedastisitas Ghozali, 2011.
Pengujian heterokedastisitas dapat dilakukan dengan Uji Glejser, hasil Uji Glejser dapat
dilihat dengan profitabilitas ROA sebagai variabel dependen pada tabel 4.13 berikut:
4.3.52 4.3.53
4.3.54 Tabel 4.13 4.3.55
Hasil Uji Heterokedastisitas persamaan regresi pertama
4.3.2
Coefficients
a
4.3.3
Model
4.3.4
Collinearity Statistics
4.3.6
Tole ranc
e
4.3.7
VI F
4.3.8
1
4.3.9
kualitas alat
4.3.10
.797
4.3.11
1.2 55
4.3.13
kemudahan operasional alat
4.3.14
.923
4.3.15
1.0 84
4.3.17
akses perolehan token
4.3.18
.844
4.3.19
1.1 85
4.3.21
respon keluhan pelanggan
4.3.22
.909
4.3.23
1.1 00
4.3.25
persepsi nilai
4.3.26
.835
4.3.27
1.1 97
4.3.28
a. Dependent Variable: kepuasan pelanggan
4.3.56 Coefficients
a
4.3.57 Model
4.3.58 Unstandardized
Coefficients 4.3.59
Standard ized
Coefficie nts
4.3.60 t
4.3.61 Si
g. 4.3.63
B 4.3.64
Std. Error
4.3.65 Beta
4.3.68 1
4.3.69 Constant
4.3.70 1.082
4.3.71 .900
4.3.72
4.3.73 1.2
02 4.3.74
. 23
3 4.3.76
kualitas alat 4.3.77
.013 4.3.78
.023 4.3.79
.066 4.3.80
. 56
4.3.81 .
57 7
4.3.83 kemudahan
operasional alat 4.3.84
.013 4.3.85
.021 4.3.86
.068 4.3.87
. 61
7 4.3.88
. 53
9 4.3.90
akses perolehan token 4.3.91
.016 4.3.92
.025 4.3.93
.077 4.3.94
. 66
4 4.3.95
. 50
8 4.3.97
respon keluhan pelanggan
4.3.98 .030
4.3.99 .025
4.3.100 .137 4.3.101 1.2 24
4.3.102 . 22
4 4.3.104 persepsi nilai
4.3.105 .011 4.3.106 .058
4.3.107 .049 4.3.108 .
19 6
4.3.109 . 84
5 4.3.111
4.3.112 4.3.113
4.3.114 4.3.115
4.3.116 a.
Dependent Variable: Abs_res 4.3.117
4.3.118
4.3.119 Hasil tampilan output
pada tabel 4.13 di atas menunjukkan bahwa tidak ada satu variabel independen secara
statistik berpengaruh terhadap variabel dependen yaitu nilai Absolut Residual. Hal itu terlihat dari
nilai signifikan masing-masing variabel independen yang lebih besar dari 0,05. Dengan
demikian, dapat disimpulkan bahwa pada kelima variabel independen tersebut tidak terjadi gejala
heterokedastisitas pada model regresi dengan kepuasan pelanggan sebagai variabel dependen.
4.3.120 Sedangkan hasil Uji
Glejser pada model regresi dengan persepsi nilai sebagai variabel dependen dapat dilihat pada
tabel 4.14 berikut:
4.3.121 4.3.122
4.3.123 Tabel 4.14
4.3.124 Hasil Uji Heterokedastisitas persamaan regresi kedua
4.3.125 Coefficients
a
4.3.126 Model 4.3.127 Unstandardized
Coefficients 4.3.128 Standard
ized Coefficie
nts 4.3.129 t
4.3.130 Si g.
4.3.132 B 4.3.133 Std.
Error 4.3.134 Beta
4.3.137 1
4.3.138 Constant 4.3.139 4.149 4.3.140 1.517
4.3.141
4.3.142 2.7 36
4.3.143 . 00
7 4.3.145 respon keluhan
pelanggan 4.3.146 -.099
4.3.147 .062 4.3.148 -.163
4.3.149 - 1.5
90 4.3.150 .
11 5
4.3.151 a. Dependent Variable: abs_res
4.3.152
4.3.153 Hasil tampilan output
pada tabel 4.14 di atas menunjukkan bahwa variabel independen secara statistik tidak
berpengaruh terhadap variabel dependen yaitu nilai Absolut Residual. Hal itu terlihat dari nilai
signifikan variabel independen tersebut lebih besar dari 0,05. Dengan demikian, dapat
disimpulkan bahwa pada variabel independen tersebut tidak terjadi gejala heterokedastisitas
pada model regresi dengan persepsi nilai sebagai variabel dependen.
4.3.154 Pengujian Hipotesis
4.3.155 Uji Kelayakan Model F-
Test
4.3.156 Uji
F digunakan untuk mengetahui
kelayakan model, apakah pemodelan yang dibangun
memenuhi kriteria fit atau tidak. Model regresi
dikatakan fit apabila tingkat probabilitas F statistik lebih
kecil dari 0,05. Berdasarkan hasil perhitungan diperoleh
nilai F hitung pada model regresi dengan kepuasan
pelanggan sebagai variabel dependen seperti disajikan
pada tabel 4.15 berikut:
4.3.157 4.3.158
4.3.159 Tabel 4.15
4.3.160 Uji F persamaan regresi pertama
4.3.161 ANOVA
b
4.3.162 Model 4.3.163 Sum of
Squares 4.3.164 df
4.3.165 Mean Square
4.3.166 F 4.3.167 Sig.
4.3.168 14.3.169 Regressi on
4.3.170 335.714 4.3.171 5
4.3.172 67.143 4.3.173 114. 982
4.3.174 . 000
a
4.3.176 Residual 4.3.177 51.971
4.3.178 89 4.3.179 .584
4.3.180 4.3.181
4.3.183 Total 4.3.184 387.684
4.3.185 94
4.3.186 4.3.187
4.3.188
4.3.189 a. Predictors: Constant, persepsi nilai, kemudahan operasional alat, respon keluhan pelanggan, akses perolehan token, kualitas alat
4.3.190 b. Dependent Variable: kepuasan pelanggan
4.3.191 Sumber: Output SPSS yang diolah 2013
4.3.192
4.3.193 Berdasarkan
hasil uji F seperti disajikan pada tabel 4.15 di atas,
diperoleh nilai F hitung sebesar 114.982 serta nilai
probabilitas 0,000. Hasil perbandingan menunjukkan
bahwa nilai probabilitas 0,000 α 0,05. Karena
probabilitas jauh lebih kecil dari 0,05, maka model regresi
untuk memprediksi kepuasan pelanggan atau dapat
dikatakan bahwa persepsi nilai, kemudahan operasional
alat, respon keluhan pelanggan, akses perolehan
token, dan kualitas alat secara bersama-sama berpengaruh
terhadap kepuasan pelanggan. dapat juga dikatakan bahwa
model regresi dalam penelitian ini adalah baik atau
layak.
4.3.194 Sementara itu
uji F pada model regresi dengan persepsi nilai sebagai
variabel dependen dapat dilihat pada Tabel 4.16
berikut:
4.3.195 4.3.196
4.3.197 Tabel 4.16
4.3.198 Hasil Uji F Persamaan regresi Kedua
4.3.199 ANOVAb
4.3.200 Model 4.3.201 Sum of
Squares 4.3.202 df
4.3.203 Mean Square
4.3.204 F 4.3.205 Sig.
4.3.206 14.3.207 Regressi on
4.3.208 31.541 4.3.209 1
4.3.210 31.541 4.3.211 5.84 5
4.3.212 . 018
a
4.3.214 Residual 4.3.215 501.890
4.3.216 93 4.3.217 5.397
4.3.218 4.3.219
4.3.221 Total 4.3.222 533.432
4.3.223 94
4.3.224 4.3.225
4.3.226
4.3.227 a. Predictors: Constant, respon keluhan pelanggan 4.3.228 b. Dependent Variable: persepsi nilai
4.3.229 Sumber: Output SPSS yang diolah 2013
4.3.230 4.3.231
Berdasarkan hasil uji F pada tabel 4.16 di
atas , diperoleh nilai F hitung sebesar 5,845 dengan
probabilitas 0,018. Karena probabilitas lebih kecil dar
0,05, maka model regresi dapat digunakan untuk
memprediksi
kepuasan pelanggan atau dapat
dikatakan bahwa respon keluhan pelanggan secara
bersama-sama berpengaruh terhadap persepsi nilai.
4.3.232 Uji Koefisien Determinasi R
2
4.3.233Koefisien
determinasi Adjusted R Square digunakan untuk
melihat kemampuan variabel bebas dalam menerangkan
variabel terikat dan proporsi variasi dari variabel terikat
yang diterangkan oleh variasi dari
variabel-variabel bebasnya. Jika R
2
yang diperoleh dari hasil
perhitungan menunjukkan semakin besar mendekati
satu, maka dapat dikatakan bahwa sumbangan dari
variabel bebas terhadap
variasi variabel terikat semakin besar. Hal ini berarti
model yang digunakan semakin besar untuk
menerangkan variabel
terikatnya.
4.3.234 Tabel 4.17
4.3.235 Hasil uji model regresi
pertama
4.3.236 Model Summary
4.3.237 M o
d e
l 4.3.238 R 4.3.239 R
Squar e
4.3.240 Adjusted R Square
4.3.241 Std. Error of the
Estimate 4.3.242 1
4.3.243 . 931
a
4.3.244 .866 4.3.245 .858
4.3.246 .764 4.3.247 a. Predictors: Constant, persepsi nilai, kemudahan operasional alat, respon
keluhan pelanggan, akses perolehan token, kualitas alat
4.3.248 Sumber : Data Mentah Diolah, 2013 4.3.249
4.3.250
4.3.251Tabel di atas menunjukkan
bahwa besarnya Adjusted R square
adalah 0.858 artinya bahwa variasi perubahan kepuasan
pelanggan
Y
2
yang dipengaruhi oleh kualitas alat
X
1
, kemudahan
operasionalisasi alat X
2
, akses perolehan token X
3
dan respon keluhan pelanggan X
4
adalah sebesar 85,8 , sedangkan
sisanya sebesar 14,2 dipengaruhi oleh variabel lain
yang tidak dimasukkan dalam penelitian. Dengan demikian
model regresi dalam penelitian ini adalah baik atau
layak.
4.3.252Sedangkan hasil uji koefisien determinasi
R
2
dengan persepsi nilai sebagai variabel dependen
dapat dilihat pada tabel 4.18 berikut:
4.3.253 4.3.254
4.3.255 Tabel 4.18
4.3.256 Koefisien determinasi
4.3.257 Model Summary
4.3.258 M o
d e
l 4.3.259 R 4.3.260 R
Squar e
4.3.261 Adjusted R Square
4.3.262 Std. Error of the
Estimate 4.3.263 1
4.3.264 . 243
a
4.3.265 .059 4.3.266 .049
4.3.267 2.323 4.3.268 a. Predictors: Constant, respon keluhan pelanggan
4.3.269 Sumber: Output SPSS yang diolah 2013
4.3.270
4.3.271Untuk mengetahui besarnya nilai
koefisien determinasi
ditunjukkan oleh nilai R Square yaitu sebesar 0,49
yang menunjukkan bahwa respon keluhan pelanggan
dapat menjelaskan minat beli ulang sebesar
4,9, sedangkan sisanya 95,1
dijelaskan oleh faktor lain yang tidak diteliti dalam
penelitian ini.
4.3.272
4.3.273 Hasil Analisis Jalur
Path Analysis
4.3.274Metode analisis jalur path analysis
digunakan untuk menguji variabel intervening. Analisis
jalur merupakan perluasan dari regresi linier berganda,
atau analisis jalur adalah penggunaan analisis regresi
untuk menaksir hubungan kausalitas antar variabel
model casual yang telah ditetapkan
sebelumnya berdasarkan teori Ghozali,
2011.
4.3.275Dalam
penelitian ini menggunakan dua model persamaan regresi.
Persamaan regresi pertama digunakan untuk mengetahui
besarnya pengaruh persepsi nilai, kemudahan operasional
alat, respon keluhan pelanggan, akses perolehan
token, dan kualitas alat terhadap kepuasan pelanggan.
Sedangkan persamaan regresi kedua digunakan untuk
mengetahui
besarnya pengaruh respon keluhan
pelanggan terhadap persepsi nilai. Kedua persamaan
tersebut adalah sebagai berikut:
4.3.276 KP = 0,105X
1
+ 0,101X
2
+ 0,109X
3
+ 0,106X
4
+ 0,799Y
1
4.3.277 PN
= 0,243 X
4
4.3.278Hasil analisis dari persamaan regresi yang
pertama yaitu untuk mengetahui
pengaruh persepsi nilai, kemudahan
operasional alat, respon keluhan pelanggan, akses
perolehan token, dan kualitas alat terhadap kepuasan
pelanggan dapat dilihat pada tabel 4.19 berikut ini:
4.3.279 4.3.280
Tabel 4.19 4.3.281
Hasil Uji Hipotesis
4.3.282 Coefficients
a
4.3.283 Model
4.3.284 Unstandardize
d Coefficients 4.3.285
S tandardi
zed Coeffici
ents
4.3.286 t
4.3.287 Sig.
4.3.289 B
4.3.290 Std. Error
4.3.291 B
eta 4.3.294
1 4.3.295
Constant 4.3.296
.728 4.3.297
1.262 4.3.298
4.3.299 .577
4.3.300 .566
4.3.302 kualitas alat 4.3.303
.077 4.3.304
.032 4.3.305
. 105
4.3.306 2.419
4.3.307 .018
4.3.309 kemudahan
operasional alat 4.3.310
.072 4.3.311.029
4.3.312 .
101 4.3.313
2.494 4.3.314
.014 4.3.316
akses perolehan token
4.3.317 .087
4.3.318 .034
4.3.319 .
109 4.3.320
2.587 4.3.321
.011 4.3.323
respon keluhan pelanggan
4.3.324 .087
4.3.325 .033
4.3.326 .
106 4.3.327
2.613 4.3.328
.011 4.3.330
persepsi nilai
4.3.331 .681
4.3.332 .036
4.3.333 .
799 4.3.334
18.816 4.3.335
.000 4.3.336
a. Dependent Variable: kepuasan pelanggan
4.3.337 Sumber : Data Mentah Diolah, 2013
4.3.338 4.3.339Sedangkan
hasil analisis dari persamaan regresi yang kedua yaitu
untuk mengetahui pengaruh respon keluhan pelanggan
terhadap persepsi nilai dilihat pada tabel 4.20 berikut:
4.3.340 4.3.341
4.3.342
4.3.343 Tabel 4.20
4.3.344 Hasil uji model
4.3.345 Coefficients
a
4.3.346 Model 4.3.347 Unstandardized
Coefficients 4.3.348 Standardize
d Coefficient
s 4.3.349
t 4.3.350
Sig. 4.3.352 B
4.3.353 Std. Error
4.3.354 Beta 4.3.357
1 4.3.358 Constant
4.3.359 20. 541
4.3.360 2.370
4.3.361
4.3.362 8.667
4.3.363 .000
4.3.365 respon keluhan pelanggan 4.3.366 .
234 4.3.367 .097
4.3.368 .243 4.3.369 2.418
4.3.370 .018
4.3.371 a. Dependent Variable: persepsi nilai
4.3.372 Sumber: Output SPSS yang diolah 2013
4.3.373 4.3.374Berdasarkan
hasil pengujian yang seperti tampak pada tabel 4.19 dan
tabel 4.20 di atas, maka diperoleh persamaan regresi
sebagai berikut:
4.3.375 KP = 0,105X
1
+ 0,101X
2
+ 0,109X
3
+ 0,106X
4
+ 0,799Y
1
4.3.376 PN
= 0,243 X
4
4.3.377Dari tabel 4.19 dan persamaan regresi yang
pertama dengan Kepuasan Pelanggan sebagai variabel
dependen, dapat dilihat bahwa Kualitas Alat
mempunyai pengaruh positif terhadap Kepuasan Pelanggan
dengan koefisien regresi sebesar 0,105. Artinya bahwa
setiap peningkatan kualitas alat maka kepuasan
pelanggan Listrik Prabayar PLN akan mengalami
peningkatan juga. Hal yang sama juga terjadi pada
variabel
kemudahan operasionalisasi alat ,
mempunyai pengaruh positif terhadap kepuasan pelanggan
dengan koefisien sebesar 0,101. Artinya setiap
peningkatan
kemudahan operasionalisasi alat maka
kepuasan pelanggan Listrik Prabayar PLN juga akan
mengalami
peningkatan. Akses perolehan token juga
memiliki pengaruh positif terhadap kepuasan pelanggan
dengan koefisien 0,109. Ini berarti bahwa setiap
peningkatan
kemudahan dalam akses perolehan token
maka kepuasan pelanggan Listrik Prabayar PLN akan
juga meningkat. Respon keluhan
pelanggan mempunyai pengaruh positif
terhadap Kepuasan Pelanggan dengan koefisien regresi
sebesar 0,106. Artinya bahwa setiap peningkatan kecepatan
dalam merespon keluhan pelanggan maka kepuasan
pelanggan Listrik Prabayar PLN akan mengalami
peningkatan. Demikian juga yang terjadi pada variabel
persepsi nilai. Persepsi nilai mempunyai pengaruh positif
terhadap Kepuasan Pelanggan dengan koefisien regresi
sebesar 0,799. Artinya bahwa setiap peningkatan persepsi
nilai maka kepuasan pelanggan Listrik Prabayar
PLN akan mengalami peningkatan juga.
4.3.378Sedangkan dari tabel 4.20 dapat dilihat
bahwa respon keluhan pelanggan Listrik Prabayar
PLN mempunyai pengaruh positif terhadap persepsi nilai
0,243. Hal ini dapat diartikan bahwa respon keluhan
pelanggan Listrik Prabayar PLN mempunyai pengaruh
yang searah dengan persepsi nilai. Artinya setiap ada
peningkatan respon keluhan pelanggan maka persepsi nilai
juga akan mengalami peningkatan.
4.3.379Hasil output SPSS pada tabel 4.19
menunjukkan nilai
standardized beta kualitas alat pada persamaan 1
sebesar 0,105 dan signifikan
pada 0,018 yang berarti kualitas alat mempengaruhi
kepuasan pelanggan. Nilai koefisien Standardized beta
kualitas alat 0,105 merupakan nilai path atau jalur p1. Pada
tabel
tersebut juga
menunjukkan nilai
standardized beta kemudahan operasional alat pada
persamaan 1 sebesar 0,101 dan signifikan pada 0,014
yang berarti kemudahan operasional
alat mempengaruhi kepuasan
pelanggan. Nilai koefisien standardized beta kemudahan
operasional alat 0,101 merupakan nilai path atau
jalur p2. Pada tabel tersebut juga menunjukkan nilai
standardized
beta akses perolehan token pada
persamaan 1 sebesar 0,109 dan signifikan pada 0,011
yang berarti akses perolehan token
mempengaruhi kepuasan pelanggan. Nilai
koefisien standardized beta akses perolehan token 0,109
merupakan nilai path atau jalur p3. Pada tabel tersebut
juga menunjukkan nilai standardized beta respon
keluhan pelanggan pada persamaan 1 sebesar 0,106
dan signifikan pada 0,011 yang berarti respon keluhan
pelanggan mempengaruhi kepuasan pelanggan. Nilai
koefisien standardized beta respon keluhan pelanggan
0,106 merupakan nilai path atau jalur p4. Pada tabel
tersebut juga menunjukkan standardized beta persepsi
nilai pada persamaan 1 sebesar 0,799 dan signifikan
pada 0,000 yang berarti persepsi nilai mempengaruhi
kepuasan pelanggan. Nilai koefisien standardized beta
persepsi nilai 0,799 merupakan nilai path atau
jalur p6.
4.3.380Sedangkan pada hasil output SPSS pada
tabel 4.20 menunjukkan bahwa nilai standardized beta
respon keluhan pelanggan pada persamaan regresi 2
sebesar 0,243 dan signifikan pada 0,018 yang berarti
respon keluhan pelanggan mempengaruhi persepsi nilai.
Nilai koefisien standardized beta 0,243 merupakan nilai
path atau jalur p5. Untuk lebih jelasnya analisis jalur
path analysis dapat dilihat pada gambar 4.5 berikut ini:
4.3.381 4.3.382
Analisis Jalur Path Analysis pada Kerangka Pemikiran
4.3.383 4.3.384
Kualitas alat
Kemudahan operasionalisasi alat
0,105 P1
4.3.385 4.3.386
4.3.387 4.3.388
4.3.389 4.3.390
4.3.391 4.3.392
4.3.393 4.3.394 Uji Hipotesis
Penelitian
4.3.395Untuk menguji hipotesis dalam
penelitian ini dilakukan uji statistik t yang bertujuan
mengetahui apakah variabel independen secara parsial
berpengaruh
signifikan terhadap variabel dependen.
4.3.396Untuk lebih jelasnya pengaruh langsung
dan tidak langsung antar variabel dapat diringkas
seperti pada tabel 4.21 berikut:
4.3.397 4.3.398 Tabel 4.21
4.3.399 Tabel Pengaruh Langsung, Tidak Langsung dan Total Hubungan Antar
Variabel
4.3.400 4.3.401
4.3.402 4.3.403
4.3.404 4.3.405
4.3.406
Sumber: Data sekunder yang diolah
1. Uji Hipotesis Kualitas Alat terhadap