heteroskedastisitas , dan data itu harus memiliki distribusi normal normalitas data diantara variabel – variabel bebas dalam model regresi tersebut .
4.3.2.1 Autokorelasi
Uji autokorelasi dilakukan untuk menguji apakah dalam sebuah model
regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-
1
sebelumnya. Model regresi yang baik adalah regresi
yang bebas dari autokorelasi. Pengujian autokorelasi dapat dilihat melalui angka
Durbin - Watson pada tabel 4.9 berikut ini :
Tabel 4.9 DurbinWatson
Model Summaryb
Model Durbin-
Watson 1
2.084
Sumber : olah data SPSS 11.5
Berdasarkan tabel 4.7 diatas, dapat dilihat bahwa angka Durbin - Watson sebesar +2.084 atau berada diantara -4 sampai dengan +4. Hal ini berarti model
regresi tersebut tidak terdapat masalah autokorelasi.
4.3.2.2 Multikolinieritas
Uji multikolinearitas dilakukan untuk menguji apakah pada model regresi
ditemukan adanya korelasi antar independent variabel. Model regresi yang baik seharusnya tidak terjadi korelasi diantara independent variabel atau tidak terjadi
multikolinearitas. Pengujian multikolinearitas ini dapat dilihat pada tabel 4.10
berikut ini :
Tabel 4.10 Nilai Statistik Kolinearitas
Coefficients
a
.986 1.014
.928 1.079
.936 1.070
TARIF PELAYANAN
FASILITAS Model
1 Tolerance
VIF Collinearity Statistics
Dependent Variable: KEPUTUSAN a.
Sumber : data olah SPSS 11.5
Berdasarkan tabel 4.8 diatas, terlihat untuk semua variabel independent memiliki angka VIF tidak lebih besar dari 10. Demikian juga nilai TOLERANCE
mendekati 1. Dengan demikian dapat disimpulkan model regresi tersebut tidak
terjadi multikolinearitas.
4.3.2.3 Heteroskedastisitas
Uji
heteroskedastisitas dilakukan untuk menguji apakah dalam sebuah
model regresi , terjadi ketidaksamaan varian dari residual dari satu pengamatan ke pengamatan yang lain . Jika varian dari residual dari satu pengamatan ke
pengamatan yang lain berbeda , disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Hasil pengujian heteroskedastisitas
dapat dilihat pada gambar 4.9 berikut :
Gambar 4.1 Gambar Persebaran Pola Residual
Scatterplot Dependent Variable: KEPUTUSAN
Regression Standardized Predicted Value
2 1
-1 -2
-3
R e
g re
ssi o
n S
tu d
e n
ti z
e d
R e
si d
u a
l
3 2
1
-1 -2
-3
Sumber : data olah SPSS 11.5
Dari Gambar 4.1 terlihat titik - titik menyebar secara acak , tidak membentuk sebuah pola tertentu yang jelas , serta tersebar baik diatas maupun
dibawah angka 0 pada sumbu Y. hal ini berarti tidak terjadi heteroskedastisitas
pada model regresi .
4.3.2.4 Normalitas Data
Tujuan dari dilakukannya uji normalitas adalah untuk mengetahui apakah dalam model regresi , variabel terikat dan variabel bebas keduanya mempunyai
distribusi normal atau tidak .
Dalam uji normalitas model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal . Data yang berdistribusi normal dalam suatu
model regresi dapat dilihat dari grafik normal P-P plot , dimana bila titik-titik yang menyebar di sekitar garis diagonal serta penyebarannya mengikuti arah garis
diagonal, maka data tersebut dikatakan normal . Berikut grafik normal P – Plot normalitas data atas variabel tarif , pelayanan , fasilitas , dan keputusan
konsumen:
Gambar 4.2 Grafik Normalitas Data
Normal P-P Plot of Regression Standardized Residual Dependent Variable: KEPUTUSAN
Observed Cum Prob
1.00 .75
.50 .25
0.00
Exp e
ct e
d C
u m
Pro b
1.00 .75
.50 .25
0.00
Sumber : data olah SPSS 11.5
Pada uji normalitas gambar 4.2, P-P plot menunjukkan bahwa tiitk-titik menyebar disekitar garis diagonal dan mengikuti garis diagonal , maka dapat
disimpulkan bahwa data yang diperoleh dalam penelitian ini berdistribusi normal .
4.3.3 Hasil Uji Regresi Berganda
Pengujian hipotesis dalam penelitian ini menggunakan analisis regresi berganda. Analisis ini digunakan untuk mengetahui pengaruh variabel independen
tarif , pelayanan , dan fasilitas secara signifikan terhadap keputusan konsumen dalam menggunakan transportasi bus malam P.O. Gunung Harta jurusan Surabaya
- Denpasar. Pengolahan data pada penelitian ini berdasarkan data kuisioner yang
diolah Dari hasil perhitungan analisis regresi maka diperoleh hasil sebagai
berikut:
Tabel 4.11 Analisis Regresi Berganda
Coefficients
a
4.864 .950
5.117 .000
.056 .081
-.079 .691
.492 .072
.095 .112
.760 .450
.493 .076
.753 6.520
.000 Constant
TARIF PELAYANAN
FASILITAS Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: KEPUTUSAN a.
Sumber : data olah SPSS 11.5
Berdasarkan hasil perhitungan pada table 4.11 diatas, diperoleh persamaan regresi linier berganda sebagai berikut :
Keputusan Konsumen Y= 4.864 + 0.056X
1
+ 0.072X
2
+ 0.493X
3
+ ε
Keterangan :
1. Nilai konstanta 4.864, menyatakan jika variabel independen dianggap konstan, maka variabel dependen naik sebesar 4,864
2. Nilai koefisien b
1
koefisien tarif sebesar 0.056 bernilai positif artinya setiap peningkatan tarif sebesar satu satuan, maka akan diikuti dengan
peningkatan keputusan konsumen sebesar 0.056, dengan asumsi variabel lain konstan.
3. Nilai koefisien b
2
koefisien pelayanan sebesar 0.072 bernilai positif artinya setiap peningkatan pelayanan sebesar satu satuan , maka akan
diikuti dengan peningkatan keputusan konsumen sebesar 0.072 , dengan asumsi variabel lain konstan .
4. Nilai koefisien b
3
koefisien fasilitas sebesar 0.493 bernilai positif artinya setiap peningkatan tarif sebesar satu satuan, maka akan diikuti
dengan peningkatan keputusan konsumen sebesar 0.493, dengan asumsi variabel lain konstan.
5. e ε menunjukkan faktor pengganggu di luar model yang diteliti .
4.3.3.1 Koefisien Korelasi dan Koefisien Determinasi
Koefisien korelasi R menunjukkan seberapa erat hubungan antara variabel bebas tarif , pelayanan , dan fasilitas dengan variabel tak bebas
keputusan konsumen sedangkan koefisien determinasi R square digunakan
untuk mengukur jauh kemampuan model dalam menerangkan variasi variabel tak bebas Y yaitu variabel keputusan konsumen.. Berikut perhitungan koefisien
korelasi dan koefisien determinasi . Tabel 4.12
Nilai Koefisien Korelasi dan Determinasi
Model Summary
b
.801
a
.642 .623
1.38060 2.084
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-W atson
Predictors: Constant, FASILITAS, TARIF, PELAYANAN a.
Dependent Variable: KEPUTUSAN b.
Sumber : data olah SPSS 11.5
Besarnya nilai koefisien korelasi R pada tabel 4.12 diatas adalah 0.801. Nilai tersebut menunjukkan bahwa hubungan variabel bebas tarif , pelayanan ,
dan fasilitas dengan variabel terikat keputusan konsumen adalah erat atau kuat yaitu sebesar 0.801. Sedangkan besarnya nilai koefisien determinasi R
square diperoleh nilai 0.642 yang berarti, bahwa sebesar 64,2 keputusan
konsumen dapat dijelaskan oleh variabel tarif , pelayanan, dan fasilitas . Sedangkan sisanya 35,8 dipengaruhi oleh variabel lain diluar model yang diteliti
. 4.3.4
Uji Hipotesis
Sehubungan dengan perumusan masalah dan hipotesis penelitian yang diajukan sebagaimana diuraikan pada bagian sebelumnya , maka dapat dijelaskan
bahwa variabel – variabel yang mempengaruhi keputusan konsumen adalah tarif , pelayanan , dan fasilitas . Berikut pengujian hipotesis , uji t dan uji F yang akan
diuraikan dibawah ini :
4.3.4.1 Uji F Uji Simultan
