inovasi agar para konsumen menyukai dan lebih tertarik untuk tetap setia.
3. 9 – 10 : Para pendukung—loyal customer yang akan terus membeli dari Anda
dan merekomendasikan Anda = 66
NPS = 66 – 13 = 53
Bedasarkan penghitungan diatas nilai NPS konsumen Ido Swalayan adalah 53 atau yang potensial menjadi seorang promoter ada sebanyak 53. Ini merupakan
para konsumen yang memiliki loyalitas tinggi. Para konsumen ini merasa antusias terhadap suatu produk yang disediakan oleh perusahaan dan mereka bersedia
melakukan pembelian kembali ditempat yang sama. Konsumen yang termasuk para pendukung ini dengan senang hati akan merekomendasikan suatu produk
yang tersedia diperusahaan kepada teman-temannya. Oleh sebab itu perusahaan sebaiknya menjaga konsumen, meningkatkan citra perusahaan dan memberikan
kualitas pelayanan yang lebih terhadap para pendukungnya.
4.2.4 Uji Hipotesis 4.2.4.1 Analisis Jalur Path Analysis
Hasil analisis deskriptif terhadap distributif tanggapan responden berdasarkan skor yang diperoleh dari variabel Retailing mixdan kepuasan
pelanggan serta loyalitas pelanggan hanya memberikan informasi awal bahwa distribusi proporsi tanggapan pada variabel X retailing mix dan Y1 kepuasan
pelanggan serta Y2 Loyalitas pelanggan memperlihatkan pola jawaban yang mirip yaitu skor jawaban terbanyak adalah skor 4 dan skor 3. Pola tanggapan ini
mengindikasikan bahwa ada keterikatan antara variabel X retailing mix terhadap
Universitas Sumatera Utara
variabel Y1 kepuasan pelanggan serta variabel Y2 loyalitas pelanggan dimana ketiganya saling menunjukan keterkaitan yang cukup baik.
Untuk mengetahui dan menguji pengaruh variabel retailing mix X terhadap kepuasan pelanggan Y1 serta loyalitas pelanggan Y2 maka dilakukan
analisis secara statistik melalui pengujian hipotesis. Berkaitan dengan tujuan penelitian untuk mengetahui pengaruh X terhadap Y1, pengaruh Y1 terhadap Y2
dan pengaruh X dan Y1 terhadap Y2 dalam penelitian ini digunakan analisis jalur Path Analysis.
4.2.4.1.1 Pembahasan Subtruktur 1: Pengaruh Retailing Mix Terhadap Kepuasan pelanggan
Sarwono 2012 menyatakan untuk melakukan uji analisis jalur diperlukan asumsi dan prinsip dasar yakni :
A. Melihat Kelayakan Model Regresi
Untuk melihat kelayakan model regresi apakah sudah benar dapat dilihat dengan dua cara yakni dengan melihat tabel F pada ANOVA dan melihat nilai
signifikansi.
Tabel 4.11 Kelayakan Model Regresi
ANOVA
a
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
105.461 6
17.577 16.293
.000
b
Residual 100.329
93 1.079
Total 205.790
99 a. Dependent Variable: Kepuasan
b. Predictors: Constant, Atmosfer, Promosi, Lokasi, Harga, Merchendise, Pelayanan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Universitas Sumatera Utara
Keputusan : 1.
Jika F tabel F hitung, maka model regresi layak. Dari tabel Anova diatas terlihat nilai F hitung
16.293
lebih besar dari F tabel 2,31 maka model regresi dinyatakan layak.
2. Jika nilai signifikansi 0,05, maka model regresi layak. Dari tabel Anova
diatas terlihat nilai signifikansi 0,000 0,05 maka model regresi dinyatakan layak
B. Menguji Ketepatan Predictor yang digunakan dalam Riset
Untuk menguji ketepatan prediktor variabel eksogen yang digunakan untuk mempredikdi variabel endogen dapat digunakan dengan membandingkan angka
standar deviasi dan angka standard error of estimate. Jika angka standard error of estimate angka standar deviasi maka prediktor yang dipakai layakbenar.
Berdasarkan tabel dibawah terlihat nilai standar deviasi variabel lokasi 0,98, Merchendise 1,02, harga 1,59, pelayanan 1,31, promosi 1,07, atmosfer
1,28 diatas angka standard error of estimate 1,03.
Tabel 4.12 Standar Deviasi
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation Lokasi
100 6.00
10.00 8.0600
.98288 Merchendise
100 6.00
10.00 8.0200
1.02474 Harga
100 8.00
15.00 11.4400
1.59747 Pelayanan
100 3.00
10.00 8.3500
1.31330 Promosi
100 6.00
10.00 8.9100
1.07398 Atmosfer
100 4.00
10.00 7.6500
1.28216 Valid N listwise
100
Sumber : Data penelitian diolah SPSS, 20.00 2016
Universitas Sumatera Utara
Tabel 4.13 Standard Error of the Estimate
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .716
a
.512 .481
1.01865 1.965
a. Predictors: Constant, Atmosfer, Promosi, Lokasi, Harga, Merchendise, Pelayanan b. Dependent Variable: Kepuasan
Sumber : Data penelitian diolah SPSS, 20.00 2016
C. Menguji Kelayakan Koefisien Regresi yang digunakan dalam Riset
Untuk menguji kelayakan koefisien regresi yang digunakan dalam riset bisa dilihat pada nilai signifikansi. Jika nilai signifikansi bawah 0,05 maka koefisien
regresi dinyatakan layak.
Tabel 4.14 Nilai Signifikansi
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta
1 Constant
.399 1.678
.238 .813
Lokasi .214
.108 .146
1.987 .050
Merchendise .003
.105 .002
.027 .978
Harga .145
.067 .160
2.162 .033
Pelayanan .500
.092 .456
5.452 .000
Promosi .230
.105 .171
2.196 .031
Atmosfer .272
.089 .242
3.065 .003
a. Dependent Variable: Kepuasan
Sumber : Data penelitian diolah SPSS, 20.00 2016
D. Menguji Otokorelasi
Untuk menguji apakah terdapat otokorelasi atau tidak dalam model regresi bisa membandingkan nilai DW. Jika nilai DW berada pada 1DW3, maka tidak
terjadi otokorelasi pada model regresi berganda. Pada tabel dibawah ini terlihat nilai DW sebesar 1,965. Berarti nilai DW berada pada 1 DW 1,965 3 maka
tidak terjadi otokorelasi pada model regresi.
Universitas Sumatera Utara
Tabel 4.15 Uji Otokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .716
a
.512 .481
1.03865 1.965
a. Predictors: Constant, Atmosfer, Promosi, Lokasi, Harga, Merchendise, Pelayanan b. Dependent Variable: Kepuasan
Sumber : Data penelitian diolah SPSS, 20.00 2016
E. Menguji Multikolinearitas
Untuk menguji apakah terdapat multikolinearitas atau tidak dalam model regresi bisa melihat nilai korelasi. Jika koefisien korelasi variabel eksogen tinggi
mendekati 1 maka terjadi multikolinearitas. Dari tabel dibawah ini bahwa nilai korelasi variabel eksogen tidak mendekati 1.
Tabel 4.16 Uji Multikolinearitas
Correlations
Lokasi Merchendise Harga Pelayanan Promosi Atmosfer Lokasi
Pearson Correlation 1 .159
.034 .007
-.014 .057
Sig. 2-tailed .113
.733 .945
.890 .574
N 100
100 100
100 100
100 Merchendise
Pearson Correlation .159 1
-.005 .002 -.081
.144 Sig. 2-tailed
.113 .957
.982 .423
.154 N
100 100
100 100
100 100
Harga Pearson Correlation .034
-.005 1
.162 -.041
.150 Sig. 2-tailed
.733 .957
.108 .682
.137 N
100 100
100 100
100 100
Pelayanan Pearson Correlation .007
.002 .162
1 .338
.349 Sig. 2-tailed
.945 .982
.108 .001
.000 N
100 100
100 100
100 100
Promosi Pearson Correlation -.014
-.081 -.041 .338
1 .014
Sig. 2-tailed .890
.423 .682
.001 .893
N 100
100 100
100 100
100 Atmosfer
Pearson Correlation .057 .144
.150 .349
.014 1
Sig. 2-tailed .574
.154 .137
.000 .893
N 100
100 100
100 100
100 . Correlation is significant at the 0.01 level 2-tailed.
Sumber : Data penelitian diolah SPSS, 20.00 2016
Universitas Sumatera Utara
F. Menguji Linearitas
Untuk melihat linearitas bisa menggunakan normal PP plot, jika titik-titik data membentuk garis lurus bisa disimpulkan bahwa linearitas dalam regresi
sudah dipenuhi.
Gambar 4.16 Diagram PP Plot Sub Struktur 1 Sumber : Data penelitian diolah SPSS, 20.00 2016
G. Menguji Normalitas Data
Data dinyatakan berdistribusi normal jika data tersebut tidak melenceng ke kiri atau ke kanan, data berbentuk kurva yang seimbang sehingga membentuk
gambar lonceng.
Gambar 4.17 Histogram Sub Stuktur 1 Sumber : Data penelitian diolah SPSS, 20.00 2016
Universitas Sumatera Utara
H. Pembahasan Persamaan Sub struktur 1
1. Menguji Koefisien Determinasi R
2
Pengujian dengan menggunakan uji koefissien determinasi R
2
, yaitu untuk melihat besarnya pengaruh variabel bebas. Uji koefisien determinasi adalah
dengan persentase pengkuadratan nilai koefisien yang ditemukan. R-square atau nilai determinan R
2
mendekati satu berarti pengaruh variabel bebas terhadap variabel terikat kuat.
Tabel 4.17 Koefisien Determinasi R
2
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .716
a
.512 .481
1.03865 1.965
a. Predictors: Constant, Atmosfer, Promosi, Lokasi, Harga, Merchendise, Pelayanan b. Dependent Variable: Kepuasan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Besarnya nilai R square pada tabel diatas adalah 0,512. Angka 0,512 berarti 51,2 besarnya pengaruh variabel eksogen lokasi, merchandise, harga,
pelayanan, promosi, atmosfer terhadap kepuasan pelanggan. Atau dengan kata lain variabel endogen kepuasan pelanggan dapat dijelaskan oleh variabel eksogen
sebesar 51,2 Sedangkan sisanya 1-0,512 = 0,488 atau 48,8 dapat diterangkan oleh variabel lain diluar variabel eksogen.
2. Menghitung Koefisien Jalur secara simultan Uji F
hitung
Uji secara keseluruhan hipotesis statistik dirumuskan sebagai berikut: a
Kaidah pengujian signifikansi secara manual adalah dengan menggunakan Tabel F
Hipotesis statistik dirumuskan sebagai berikut:
Universitas Sumatera Utara
H
a
: ρyx
1 lokasi
= ρyx
2merchendise
= ρyx
3harga
= ρyx
4 pelayanan
ρyx
5 promosi
= ρyx
6atmosfer
= ρyx
7
≠ 0 H
: ρyx
1 lokasi
= ρyx
2merchendise
= ρyx
3harga
= ρyx
4 pelayanan
ρyx
5 promosi
= ρyx
6atmosfer
= ρyx
7
= 0 Kaidah pengujian signifikansi:
1. Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig
atau 0,05 ≤ Sig, maka H
diterima dan H
a
ditolak, artinya tidak signifikan. 2.
Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas Sig atau 0,05
≥ Sig, maka H ditolak dan H
a
diterima, artinya signifikan.
Tabel 4.18 Koefisien Jalur Secara Simultan Uji F
hitung
ANOVA
a
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
105.461 6
17.577 16.293
.000
b
Residual 100.329
93 1.079
Total 205.790
99 a. Dependent Variable: Kepuasan
b. Predictors: Constant, Atmosfer, Promosi, Lokasi, Harga, Merchendise, Pelayanan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Dari tabel diatas terlihat uji secara simultan , dimana nilai signifikansi 0,000 lebih kecil dari 0,05 dengan demikian hipotesis diterima bahwa lokasi, harga,
merchandise, pelayanan, promosi, atmosfer berpengaruh signifikan terhadap kepuasan pelanggan.
3. Menghitung koefisien jalur secara individu Uji t
hitung
Uji-t uji parsial dilakukan untuk melihat secara individu pengaruh secara signifikan dari variabel bebas terhadap variabel terikat dengan menggunakan
langkah-langkah sebagai berikut:
Universitas Sumatera Utara
a Mencari nilai t
tabel
dengan cara menentukan tingkat kesalahan α dan menentukan derajat kebebasan df.
b Mencari nilai t
hitung
dengan menggunakan bantuan aplikasi. c
Menentukan kriteria keputusan : H
diterima bila t
hitung
t
tabel
atau H diterima, apabila nilai sigifikansi t α.
H
a
diterima bila t
hitung
t
tabel
atau H
a
diterima, apabila nilai signifikansi t α.
Tabel 4.19 Koefisien Jalur Secara Individu Uji t
hitung
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta
1 Constant
.399 1.678
.238 .813
Lokasi .214
.108 .146
1.987 .050
Merchandise .003
.105 .002
.027 .978
Harga .145
.067 .160
2.162 .033
Pelayanan .500
.092 .456
5.452 .000
Promosi .230
.105 .171
2.196 .031
Atmosfer .272
.089 .242
3.065 .003
a. Dependent Variable: Kepuasan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Berdasarkan hasil uji parsial terlihat bahwa nilai t hitung variabel eksogen lokasi sebesar 1,987 dengan nilai signifikansi 0,050, merchandise sebesar 0,027
dengan nilai signifikan 0,978, harga 2,162 dengan nilai signifikan 0,033, pelayanan 5,452 dengan nilai signifikan 0,000, promosi 2,196 dengan nilai
signifikan 0,031 dan atmosfer 3,065 dengan nilai signifikan 0,003 Berarti variabel eksogen secara parsial berpengaruh secara positif dan signifikansi terhadap
kepuasan pelanggan hanya ,merchandise yang tidak memenuhi syarat. Berdasarkan tabel diatas, maka persamaan strtukturnya :
Kepuasan : P
y1x1.
X1Lokasi + P
y1x2.
X2Merchandise + P
y1x3.
X3Harga +
Universitas Sumatera Utara
P
y1x4.
X4Pelayanan + P
y1x5.
X5Promosi + P
y1x6.
X6Atmosfer toko + P
y1kepuasan
. e1 Kepuasan : 0,108X1Lokasi + 0,105
.
X2Merchandise + 0,67
.
X3Harga + 0,93X4Pelayanan + 0,105X5Promosi + 0,83
.
X6Atmosfer toko + P
y1kepuasan
. e1 4.
Menghitung Nilai Koefisien Korelasi Korelasi ditujukan untuk pasangan pengamatan data rasio yang menunjukan
hubungan yang linear. Koefisien korelasi adalah suatu angka indeks yang melukiskan hubungan antara dua rangkaian data yang dihubungkan. Dengan kata
lain, koefisien korelasi adalah ukuran atau indeks dari hubungan antara dua variabel. Koefisien korelasi besarnya antara -1 sampai +1. Tanda positif dan
negatif menunjukkan arti satu arah dari hubungan koefisien korelasi tersebut Korelasi positif nilainya berada antara 0 sampai +1 , nilai menjelaskan bahwa
apabila suatu variabel naik maka akan menyebabkan kenaikan pada variabel yang lainnya dan sebaliknya. Korelasi negatif nilainya berada antara -1 sampai 0, nilai
tersebut menjelaskan bahwa apabila suatu variabel naik maka variabel yang lainnya akan turun dan sebaliknya.
Tabel 4.20 Nilai Koefisien Korelasi
Correlations
Lokas i
Merc handi
se Harga
Pelaya nan
Promos i
Atmosf erToko
Kepu asanP
elang gan
Loyal itasPe
langg an
Lokasi Pearson Correlation
1 .337 .310
.180 1.000 .027 .438
.394 Sig. 2-tailed
.001 .002
.073 .000
.789 .000 .000 N
100 100
100 100
100 100
100 100
Universitas Sumatera Utara
Lanjutan Tabel 4.20
Lokas i
Merc handi
se Harga
Pelaya nan
Promos i
Atmosf erToko
Kepu asanP
elang gan
Loyal itasPe
langg an
Merchandise Pearson Correlation .337
1 .277 .193
.337 -.011 .417
.394 Sig. 2-tailed
.001 .005
.055 .001
.914 .000 .000 N
100 100
100 100
100 100
100 100
Harga Pearson Correlation .310
.277 1 .274
.310 -.033 .384
.441 Sig. 2-tailed
.002 .005 .006
.002 .748 .000 .000
N 100
100 100
100 100
100 100
100 Pelayanan
Pearson Correlation .180 .193 .274
1 .180
.152 .275 .292
Sig. 2-tailed .073 .055
.006 .073
.131 .006 .003 N
100 100
100 100
100 100
100 100
Promosi Pearson Correlation 1.000
.337 .310
.180 1
.027 .438 .394
Sig. 2-tailed .000 .001
.002 .073
.789 .000 .000 N
100 100
100 100
100 100
100 100
AtmosferToko Pearson Correlation .027 -.011 -.033
.152 .027
1 .070 .075 Sig. 2-tailed
.789 .914 .748
.131 .789
.486 .455 N
100 100
100 100
100 100
100 100
Kepuasan Pelanggan
Pearson Correlation .438 .417
.384 .275
.438 .070
1 .546 Sig. 2-tailed
.000 .000 .000
.006 .000
.486 .000
N 100
100 100
100 100
100 100
100 LoyalitasPelan
ggan Pearson Correlation .394
.394 .441
.292 .394
.075 .546 1
Sig. 2-tailed .000 .000
.000 .003
.000 .455 .000
N 100
100 100
100 100
100 100
100 . Correlation is significant at the 0.01 level 2-tailed.
Sumber : Data penelitian diolah SPSS, 20.00 2016
Universitas Sumatera Utara
5. Menggambar Koefisien Jalur
Gambar 4.18 : Koefisien Jalur Sub Struktur 1
Sumber : Data penelitian diolah 2016
Lokasi
Merchendise
Harga
Kepuasan
e= 0,488
R= 0,716 , R
2
=0,512, Fhitung= 16,293
0,159
0,005
0,242
Pelayanan
Promosi
Atmosfer
0,162
0,338
0,014 0,171
0,456 0,146
0,002
0,160
Universitas Sumatera Utara
6. Hasil Koefisie Jalur Substruktur 1
Tabel 4.21 Hasil Koefisien Jalur Sub Struktur 1
Dari Ke
Standard Coefficient
Beta T
hitung F
hitung Hasil
Pengujian R
2
e X1lokasi
Y1Kepuasan .146
1.987 16,293
H0 ditolak
0,512 0,488
X2merchandise Y1Kepuasan
.002 .027
16,293 H0
diterima 0,512
0,488 X3harga
Y1Kepuasan .160
2.162 16,293
H0 ditolak
0,512 0,488
X4 pelayanan Y1Kepuasan
.456 5.452
16,293 H0
ditolak 0,512
0,488 X5 promosi
Y1Kepuasan .171
2.196 16,293
H0 ditolak
0,512 0,488
X6 atmosfer Y1Kepuasan
.242 3.065
16,293 H0
ditolak 0,512
0,488
Sumber : Data penelitian diolah SPSS, 20.00 2016
Berdasarkan Tabel 4.21 analisis statistik yang telah dilakukan terhadap masing-masing variabel penelitian diatas, maka peneliti mencoba memberikan
pembahasan terhadap permasalahan yang dibahas, yaitu : 1.
Pengaruh Lokasi Terhadap Kepuasan pelanggan Berdasarkan hasil pengujian, menunjukkan bahwa lokasi memiliki pengaruh
yang positif dan signifikan terhadap kepuasan pelanggan, yakni sebesar 0,146. Dapat kita simpulkan bahwa semakin tinggi nilai lokasi tentu akan semakin
meningkatkan kepuasan pelanggan. 2.
Pengaruh Merchandise Terhadap Kepuasan pelanggan Berdasarkan hasil pengujian, menunjukkan bahwa merchendise memiliki
pengaruh yang positif namun tidak signifikan terhadap kepuasan pelanggan .yakni sebesar 0,002. Dapat kita simpulkan bahwa semakin tinggi
merchendise belum tentu akan semakin meningkatkan kepuasan pelanggan.
Universitas Sumatera Utara
3. Pengaruh harga Terhadap Kepuasan pelanggan Berdasarkan hasil pengujian,
menunjukkan bahwa harga memiliki pengaruh yang positif dan signifikan terhadap kepuasan pelanggan yakni sebesar 0,160. Dapat kita simpulkan
bahwa semakin tinggi harga tentu akan semakin meningkatkan kepuasan pelanggan.
4. Pengaruh pelayanan Terhadap Kepuasan pelanggan Berdasarkan hasil
pengujian, menunjukkan bahwa pelayanan memiliki pengaruh yang positif dan signifikan terhadap kepuasan pelanggan yakni sebesar 0,456. Dapat kita
simpulkan bahwa semakin tinggi pelayanan tentu akan semakin meningkatkan kepuasan pelanggan
5. Pengaruh promosi Terhadap Kepuasan pelanggan Berdasarkan hasil
pengujian, menunjukkan bahwa promosi memiliki pengaruh yang positif dan signifikan terhadap kepuasan pelanggan yakni sebesar 0,171. Dapat kita
simpulkan bahwa semakin tinggi promosi tentu akan semakin meningkatkan kepuasan pelanggan
6. Pengaruh atmosfer Terhadap Kepuasan pelanggan Berdasarkan hasil
pengujian, menunjukkan bahwa atmosfer memiliki pengaruh yang positif dan signifikan terhadap kepuasan pelanggan yakni sebesar 0,242. Dapat kita
simpulkan bahwa semakin tinggi atmosfer tentu akan semakin meningkatkan kepuasan pelanggan
7. Pengaruh retailing mix Terhadap Kepuasan pelanggan Secara Simultan
Berdasarkan hasil pengujian, menunjukkan bahwa retailing mix lokasi, merchendise, harga, pelayanan, promosi, dan atmosfer memiliki pengaruh
Universitas Sumatera Utara
secara simultan terhadap kepuasan pelanggan yakni sebesar 51,2. Sedangkan sisanya sebesar 100-51,2 = 48,8 dijelaskan oleh variabel
lain.
4.2.4.1.2 Pembahasan Subtruktur 2: Pengaruh Retailing Mix Terhadap
Loyalitas Pelanggan
Sarwono 2012 menyatakan untuk melakukan uji analisis jalur diperlukan asumsi dan prinsip dasar yakni :
A. Melihat Kelayakan Model Regresi
Untuk melihat kelayakan model regresi apakah sudah benar dapat dilihat dengan dua cara yakni dengan melihat tabel F pada ANOVA dan melihat nilai
signifikansi.
Tabel 4.22 Kelayakan Model Regresi
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
155.835 5
31.167 11.974
.000
a
Residual 244.675
94 2.603
Total 400.510
99 a. Predictors: Constant, KepuasanPelanggan, AtmosferToko, Pelayanan, Harga, Promosi,Lokasi
b. Dependent Variable: LoyalitasPelanggan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Keputusan : 1.
Jika F tabel F hitung, maka model regresi layak. Dari tabel Anova diatas terlihat nilai F hitung
11,974
lebih besar dari F tabel 2,31 maka model regresi dinyatakan layak.s
2. Jika nilai signifikansi 0,05, maka model regresi layak. Dari tabel Anova
diatas terlihat nilai signifikansi 0,000 0,05 maka model regresi dinyatakan layak
Universitas Sumatera Utara
B. Menguji Ketepatan Predictor yang digunakan dalam Riset
Untuk menguji ketepatan prediktor variabel eksogen yang digunakan untuk mempredikdi variabel endogen dapat digunakan dengan membandingkan angka
standar deviasi dan angka standard error of estimate. Jika angka standard error of estimate angka standar deviasi maka prediktor yang dipakai layakbenar.
Berdasarkan tabel dibawah terlihat nilai standar deviasi variabel lokasi 1,54, harga 1,43, pelayanan 1,73, promosi 1,54, atmosfer 1,78 diatas angka
standard error of estimate 1,31.
Tabel 4.23 Standar Deviasi
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation Lokasi
100 6.00
15.00 12.5100
1.54720 Harga
100 10.00
15.00 12.8600
1.43562 Pelayanan
100 6.00
15.00 12.7500
1.73132 Promosi
100 6.00
15.00 12.5100
1.54720 AtmosferToko
100 11.00
15.00 12.7400
1.78650 KepuasanPelanggan
100 14.00
25.00 20.4000
2.07924 Valid N listwise
100
Sumber : Data penelitian diolah SPSS, 20.00 2016
Tabel 4.24 Standard Error of the Estimate
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .624
a
.389 .357
1.31336 2.092
a. Predictors: Constant, KepuasanPelanggan, AtmosferToko, Pelayanan, Harga, Promosi, Lokasi b. Dependent Variable: LoyalitasPelanggan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Universitas Sumatera Utara
C. Menguji Kelayakan Koefisien Regresi yang digunakan dalam Riset
Jika nilai signifikansi bawah 0,05 maka koefisien regresi dinyatakan layak.
Tabel 4.25 Nilai Signifikansi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
8.707 1.995
4.364 .000
Lokasi .349
.118 .268
2.952 .004
Harga .440
.130 .314
3.379 .001
Pelayanan .183
.104 .158
1.754 .053
Promosi .249
.121 .192
2.061 .042
AtmosferToko .247
.118 .168
2.952 .024
KepuasanPelanggan .445
.090 .460
4.933 .000
a. Dependent Variable: LoyalitasPelanggan
Sumber : Data penelitian diolah SPSS, 20.00 2016
D. Menguji Otokorelasi
Jika nilai DW berada pada 1DW3, maka tidak terjadi otokorelasi pada model regresi berganda. Pada tabel dibawah ini terlihat nilai DW sebesar 2,092.
Berarti nilai DW berada pada 1 DW 2,092 3 maka tidak terjadi otokorelasi pada model regresi.
Tabel 4.26 Uji Otokorelasi
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.624
a
.389 .357
1.61336 2.092
a. Predictors: Constant, KepuasanPelanggan, AtmosferToko, Pelayanan, Harga, Promosi b. Dependent Variable: LoyalitasPelanggan
Sumber : Data penelitian diolah SPSS, 20.00 2016
E. Menguji Multikolinearitas
Untuk menguji apakah terdapat multikolinearitas atau tidak dalam model regresi bisa melihat nilai korelasi. Jika koefisien korelasi variabel eksogen tinggi
Universitas Sumatera Utara
mendekati 1 maka terjadi multikolinearitas. Dari tabel dibawah ini bahwa nilai korelasi variabel eksogen tidak mendekati 1.
Tabel 4.27 Uji Multikolinearitas
Correlations
Lokasi Merchan
dise Harga
Pelayan an
Promo si
Atmosfer Toko
Kepuasan Pelangga
n Loyalitas
Pelangga n
Lokasi Pearson rrelation
1 .337
.310 .180 1.000
.027 .438
.394 Sig. 2-tailed
.001 .002
.073 .000
.789 .000
.000 N
100 100
100 100
100 100
100 100
Mercha ndise
Pearson Correlation
.337 1 .277
.193 .337 -.011
.417 .394
Sig. 2-tailed .001
.005 .055
.001 .914
.000 .000
N 100
100 100
100 100
100 100
100 Harga Pearson
Correlation .310
.277 1
.274 .310
-.033 .384
.441 Sig. 2-tailed
.002 .005
.006 .002
.748 .000
.000 N
100 100
100 100
100 100
100 100
Pelayan an
Pearson Correlation
.180 .193 .274
1 .180
.152 .275
.292 Sig. 2-tailed
.073 .055
.006 .073
.131 .006
.003 N
100 100
100 100
100 100
100 100
Promos i
Pearson Correlation
1.000 .337
.310 .180
1 .027
.438 .394
Sig. 2-tailed .000
.001 .002
.073 .789
.000 .000
N 100
100 100
100 100
100 100
100 Atmosf
erToko Pearson
Correlation .027
-.011 -.033 .152
.027 1
.070 .075
Sig. 2-tailed .789
.914 .748
.131 .789
.486 .455
N 100
100 100
100 100
100 100
100 Kepuas
anPelan ggan
Pearson Correlation
.438 .417
.384 .275
.438 .070
1 .546
Sig. 2-tailed .000
.000 .000
.006 .000
.486 .000
N 100
100 100
100 100
100 100
100 Loyalit
asPelan ggan
Pearson Correlation
.394 .394
.441 .292
.394 .075
.546 1
Sig. 2-tailed .000
.000 .000
.003 .000
.455 .000
N 100
100 100
100 100
100 100
100 . Correlation is significant at the 0.01 level 2-tailed.
Sumber : Data penelitian diolah SPSS, 20.00 2016
Universitas Sumatera Utara
F. Menguji Linearitas
Untuk melihat linearitas bisa menggunakan normal PP plot, jika titik-titik data membentuk garis lurus bisa disimpulkan bahwa linearitas dalam regresi
sudah dipenuhi.
Gambar 4.19 Diagram PP Plot Sub Struktur 2 Sumber : Data penelitian diolah SPSS, 20.00 2016
G. Menguji Normalitas Data
Data dinyatakan berdistribusi normal jika data tersebut tidak melenceng ke kiri atau ke kanan, data berbentuk kurva yang seimbang sehingga membentuk
gambar lonceng.
Gambar 4.20 Histogram Sub Stuktur 2 Sumber : Data penelitian diolah SPSS, 20.00 2016
Universitas Sumatera Utara
H. Pembahasan Persamaan Sub struktur 3
1. Menguji Koefisien Determinasi R
2
Pengujian dengan menggunakan uji koefissien determinasi R
2
, yaitu untuk melihat besarnya pengaruh variabel bebas. Uji koefisien determinasi adalah
dengan persentase pengkuadratan nilai koefisien yang ditemukan. R-square atau nilai determinan R
2
mendekati satu berarti pengaruh variabel bebas terhadap variabel terikat kuat.
Tabel 4.28 Koefisien Determinasi R
2
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .624
a
.389 .357
1.61336 2.092
a. Predictors: Constant, KepuasanPelanggan, AtmosferToko, Pelayanan, Harga, Promosi,Lokasi
b. Dependent Variable: LoyalitasPelanggan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Besarnya nilai R square pada tabel diatas adalah 0,389. Angka 0,389 berarti 38,9 besarnya pengaruh variabel eksogen lokasi, harga, pelayanan, promosi,
atmosfer, dan kepuasan pelanggan terhadap loyalitas pelanggan. Atau dengan kata lain variabel endogen kepuasan pelanggan dapat dijelaskan oleh variabel
eksogen sebesar 38,9 Sedangkan sisanya 1-0,389 = 0,611 atau 61,1 dapat diterangkan oleh variabel lain diluar variabel eksogen.
2. Menghitung Koefisien Jalur secara simultan Uji F
hitung
Uji secara keseluruhan hipotesis statistik dirumuskan sebagai berikut: a
Kaidah pengujian signifikansi secara manual adalah dengan menggunakan Tabel F
Hipotesis statistik dirumuskan sebagai berikut:
Universitas Sumatera Utara
H
a
: ρyx
1 lokasi
= ρyx
3harga
= ρyx
4 pelayanan
ρyx
5 promosi
= ρyx
6atmosfer
= ρyx
7
≠ 0 H
: ρyx
1 lokasi
= ρyx
3harga
= ρyx
4 pelayanan
ρyx
5 promosi
= ρyx
6atmosfer
= ρyx
7
= 0 b
Kaidah pengujian signifikansi: 1.
Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig atau 0,05
≤ Sig, mak a H diterima dan H
a
ditolak, artinya tidak signifikan.
2. Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai
probabilitas Sig atau 0,05 ≥ Sig, mak a H
ditolak dan H
a
diterima, artinya signifikan.
Tabel 4.29 Koefisien Jalur Secara Simultan Uji F
hitung
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
155.835 5
31.167 11.974
.000
a
Residual 244.675
94 2.603
Total 400.510
99 a. Predictors: Constant, KepuasanPelanggan, AtmosferToko, Pelayanan, Harga, Promosi,Lokasi
b. Dependent Variable: LoyalitasPelanggan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Dari tabel diatas terlihat uji secara simultan , dimana nilai signifikansi 0,000 lebih kecil dari 0,05 dengan demikian hipotesis diterima bahwa lokasi,
promosi, harga, pelayanan, atmosfer toko, dan kepuasan pelanggan berpengaruh signifikan terhadap loyalitas pelanggan.
Universitas Sumatera Utara
3. Menghitung koefisien jalur secara individu Uji t
hitung
Uji-t uji parsial dilakukan untuk melihat secara individu pengaruh secara signifikan dari variabel bebas terhadap variabel terikat dengan menggunakan
langkah-langkah sebagai berikut: a
Mencari nilai t
tabel
dengan cara menentukan tingkat kesalahan α dan menentukan derajat kebebasan df.
b Mencari nilai t
hitung
dengan menggunakan bantuan aplikasi. c
Menentukan kriteria keputusan : H
diterima bila t
hitung
t
tabel
atau H diterima, apabila nilai sigifikansi t α.
H
a
diterima bila t
hitung
t
tabel
atau H
a
diterima, apabila nilai signifikansi t α.
Tabel 4.30 Koefisien Jalur Secara Individu Uji t
hitung
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
8.707 1.995
4.364 .000
Lokasi .349
.118 .268
2.952 .004
Harga .440
.130 .314
3.379 .001
Pelayanan .183
.104 .158
1.754 .053
Promosi .249
.121 .192
2.061 .042
AtmosferToko .247
.118 .168
2.952 .024
KepuasanPelanggan .445
.090 .460
4.933 .000
a. Dependent Variable: LoyalitasPelanggan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Berdasarkan hasil uji parsial terlihat bahwa nilai t hitung variabel eksogen lokasi sebesar 2,952 dengan nilai signifikansi 0,004, harga sebesar 3,379 dengan
nilai signifikan 0,01, pelayanan 1,754 dengan nilai signifikan 0,053, promosi 2,061 dengan nilai signifikan 0,042, atmosfer 2,952 dengan nilai signifikan 0,000,
Universitas Sumatera Utara
dan kepuasan pelanggan 4,933 dengan nilai signifikan 0,000. Berarti variabel eksogen secara parsial berpengaruh secara positif dan signifikansi terhadap
loyalitas pelanggan Berdasarkan tabel diatas, maka persamaan strtukturnya : Loyalitas : P
y2x1.
X1Lokasi + P
y2x3.
X3Harga + P
y2x4.
X4Pelayanan + P
y2x5.
X5Promosi + P
y2x6.
X6Atmosfer Toko + P
y2y1.
Y1Kepuasan Pelanggan + P
y2loyalitas
. e3 Loyalitas : 0,268X1Lokasi+ 0,314 X3harga + 0,158 X4 Pelayanan+0,192
X5Promosi +
0,168 X5Promosi +
0,460Y1Kepuasan Pelanggan+ P
y2loyalitas
. 1,99e3 4.
Menghitung Nilai Koefisien Korelasi Korelasi ditujukan untuk pasangan pengamatan data rasio yang menunjukan
hubungan yang linear. Koefisien korelasi adalah suatu angka indeks yang melukiskan hubungan antara dua rangkaian data yang dihubungkan. Dengan kata
lain, korfisien korelasi adalah ukuran atau indeks dari hubungan antara dua variabel. Koefisien korelasi besarnya antara -1 sampai +1. Tanda positif dan
negatif menunjukkan arti atu arah dari hubungan koefisien korelasi tersebut Korelasi positif nilainya berada antara 0 sampai +1 , nilai menjelaskan
bahwa apabila suatu variabel naik maka akan menyebabkan kenaikan pada variabel yang lainnya dan sebaliknya. Korelasi negatif nilainya berada antara -1
sampai 0, nilai tersebut menjelaskan bahwa apabila suatu variabel naik maka variabel yang lainnya akan turun dan sebaliknya.
Universitas Sumatera Utara
Tabel 4.31 Nilai Koefisien Korelasi
Correlations
Lokas i
Merchan dise
Harga Pelaya
nan Prom
osi Atmosfer
Toko Kepuasa
nPelangg an
LoyalitasPe langgan
Lokasi Pearson
Correlation 1
.337 .310
.180 1.000 .027
.438 .394
Sig. 2- tailed
.001 .002 .073 .000
.789 .000
.000 N
100 100
100 100
100 100
100 100
Merchan dise
Pearson Correlation
.337 1 .277
.193 .337 .011
.417 .394
Sig. 2- tailed
.001 .005
.055 .001 .914
.000 .000
N 100
100 100
100 100
100 100
100 Harga
Pearson Correlation
.310 .277
1 .274 .310
-.033 .384
.441 Sig. 2-
tailed .002
.005 .006 .002
.748 .000
.000 N
100 100
100 100
100 100
100 100
Pelayana n
Pearson Correlation
.180 .193 .274
1 .180 .152
.275 .292
Sig. 2- tailed
.073 .055 .006
.073 .131
.006 .003
N 100
100 100
100 100
100 100
100 Promosi Pearson
Correlation 1.000
.337 .310
.180 1
.027 .438
.394 Sig. 2-
tailed .000
.001 .002 .073
.789 .000
.000 N
100 100
100 100
100 100
100 100
Atmosfer Toko
Pearson Correlation
.027 -.011 -.033
.152 .027 1
.070 .075
Sig. 2- tailed
.789 .914 .748
.131 .789 .486
.455 N
100 100
100 100
100 100
100 100
Kepuasan Pelangga
n Pearson
Correlation .438
.417 .384
.275 .438
.070 1
.546 Sig. 2-
tailed .000
.000 .000 .006 .000
.486 .000
N 100
100 100
100 100
100 100
100 Loyalitas
Pelangga n
Pearson Correlation
.394 .394
.441 .292
.394 .075
.546 1
Sig. 2- tailed
.000 .000 .000
.003 .000 .455
.000 N
100 100
100 100
100 100
100 100
. Correlation is significant at the 0.01 level 2-tailed.
Universitas Sumatera Utara
Sumber : Data penelitian diolah SPSS, 20.00 2016
5. Menggambar Koefisien Jalur
Gambar 4.21 : Koefisien Jalur Sub Struktur 2 Sumber : Data penelitian diolah 2016
Lokasi
Harga
Pelayanan
Loyalitas
e= 0,488
R= 0,624 , R
2
=0,389, Fhitung= 11,974
0,159
0,005
0,460
Promosi
Atmosfer
Kepuasan
0,162
0,338
0,014 0,168
0,192 0,268
0,314
0,158
Universitas Sumatera Utara
Tabel 4.32 Hasil Koefisien Jalur Sub Struktur 2
Dari Ke
Standard Coefficient
Beta T
hitung F
hitung Hasil
Pengujian R
2
E X1lokasi
Y2Loyalitas .268
2,952 11,974
H0 ditolak
0,624 0,488
X2harga Y2Loyalitas
.002 3,379
11,974 H0
diterima 0,624
0,488 X3pelayanan
Y2Loyalitas .160
1,754 11,974
H0 ditolak
0,624 0,488
X4 promosi Y2Loyalitas
.456 2,061
11,974 H0
ditolak 0,624
0,488 X5 atmosfer
Y2Loyalitas .171
2.952 11,974
H0 ditolak
0,624 0,488
X6 kepuasan Y2Loyalitas
.242 4,933
11,974 H0
ditolak 0,488
Berdasarkan Tabel 4.18 analisis statistik yang telah dilakukan terhadap masing-masing variabel penelitian diatas, maka peneliti mencoba memberikan
pembahasan terhadap permasalahan yang dibahas, yaitu : 1.
Pengaruh Lokasi Terhadap Loyalitas Pelanggan Berdasarkan hasil pengujian, menunjukkan bahwa lokasi memiliki pengaruh
yang positif dan signifikan terhadap loyalitas pelanggan, yakni sebesar 0,268. Dapat kita simpulkan bahwa semakin tinggi nilai lokasi tentu akan semakin
meningkatkan loyalitas pelanggan. 2.
Pengaruh Harga Terhadap Loyalitas Pelanggan Berdasarkan hasil pengujian, menunjukkan bahwa Harga memiliki pengaruh
yang positif dan signifikan terhadap loyalitas pelanggan yakni sebesar 0,314. Dapat kita simpulkan bahwa semakin tinggi merchendise belum tentu akan
semakin meningkatkan loyalitas pelanggan.
Universitas Sumatera Utara
3. Pengaruh Pelayanan Terhadap Loyalitas Pelanggan
Berdasarkan hasil pengujian, menunjukkan bahwa pelayanan memiliki pengaruh yang positif dan signifikan terhadap loyalitas pelanggan yakni
sebesar 0,158. Dapat kita simpulkan bahwa semakin tinggi harga tentu akan semakin meningkatkan loyalitas pelanggan.
4. Pengaruh Promosi Terhadap Kepuasan Pelanggan
Berdasarkan hasil pengujian, menunjukkan bahwa promosi memiliki pengaruh yang positif dan signifikan terhadap loyalitas pelanggan yakni sebesar 0,192.
Dapat kita simpulkan bahwa semakin tinggi pelayanan tentu akan semakin meningkatkan loyalitas pelanggan
5. Pengaruh Atmosfer Terhadap Loyalitas Pelanggan
Berdasarkan hasil pengujian, menunjukkan bahwa atmosfer memiliki pengaruh yang positif dan signifikan terhadap loyalitas pelanggan yakni
sebesar 0,168. Dapat kita simpulkan bahwa semakin tinggi atmosfer tentu akan semakin meningkatkan loyalitas pelanggan
6. Pengaruh Kepuasan Pelanggan Terhadap Loyalitas Pelanggan
Berdasarkan hasil pengujian, menunjukkan bahwa kepuasan pelanggan memiliki pengaruh yang positif dan signifikan terhadap loyalitas pelanggan
yakni sebesar 0,460. Dapat kita simpulkan bahwa semakin tinggi kepuasan pelanggan tentu akan semakin meningkatkan loyalitas pelanggan
7. Pengaruh Retailing mix dan Kepuasan Pelanggan Terhadap Loyalitas
Pelanggan Secara Simultan
Universitas Sumatera Utara
Berdasarkan hasil pengujian, menunjukkan bahwa Retailing mix lokasi, harga, pelayanan, promosi, dan atmosfer dan kepuasan pelanggan memiliki
pengaruh secara simultan terhadap loyalitas pelanggan yakni sebesar 62,4. Sedangkan sisanya sebesar 100-62,4 = 37,6 dijelaskan oleh variabel
lain.
2.4.1.1.3 Pembahasan Subtruktur 3: Pengaruh Kepuasan Pelanggan Terhadap Loyalitas Pelanggan
Sarwono 2012 menyatakan untuk melakukan uji analisis jalur diperlukan asumsi dan prinsip dasar yakni :
A. Melihat Kelayakan Model Regresi
Untuk melihat kelayakan model regresi apakah sudah benar dapat dilihat dengan dua cara yakni dengan melihat tabel F pada ANOVA dan melihat nilai
signifikansi.
Tabel 4.33 Kelayakan Model Regresi
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
119.548 1
119.548 41.698
.000
a
Residual 280.962
98 2.867
Total 400.510
99 a. Predictors: Constant, KepuasanPelanggan
b. Dependent Variable: LoyalitasPelanggan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Keputusan : 3.
Jika F tabel F hitung, maka model regresi layak. Dari tabel Anova diatas terlihat nilai F hitung
41,698
lebih besar dari F tabel 2,31 maka model regresi dinyatakan layak.
Universitas Sumatera Utara
4. Jika nilai signifikansi 0,05, maka model regresi layak. Dari tabel Anova
diatas terlihat nilai signifikansi 0,000 0,05 maka model regresi dinyatakan layak
B. Menguji Ketepatan Predictor yang digunakan dalam Riset
Untuk menguji ketepatan prediktor variabel eksogen yang digunakan untuk mempredikdi variabel endogen dapat digunakan dengan membandingkan angka
standar deviasi dan angka standard error of estimate. Jika angka standard error of estimate angka standar deviasi maka prediktor yang dipakai layakbenar.
Berdasarkan tabel dibawah terlihat nilai standar deviasi variabel kepuasan pelanggan 1,78, diatas angka standard error of estimate 1,69.
Tabel 4.34 Standar Deviasi
Residuals Statistics
a
Minimum Maximum
Mean Std. Deviation
N Predicted Value
17.6876 23.5011
21.0700 1.09889
100 Residual
-4.91561 3.19841
.00000 1.78464
100 Std. Predicted Value
-3.078 2.212
.000 1.000
100 Std. Residual
-2.903 1.889
.000 .995
100 a. Dependent Variable: LoyalitasPelanggan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Tabel 4.35 Standard Error of the Estimate
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .546
a
.298 .291
1.69321 1.962
a. Predictors: Constant, KepuasanPelanggan b. Dependent Variable: LoyalitasPelanggan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Universitas Sumatera Utara
C. Menguji Kelayakan Koefisien Regresi yang digunakan dalam Riset
Untuk menguji kelayakan koefisien regresi yang digunakan dalam riset bisa dilihat pada nilai signifikansi. Jika nilai signifikansi bawah 0,05 maka koefisien
regresi dinyatakan layak.
Tabel 4.36 Nilai Signifikansi
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta
1 Constant
.399 1.678
.238 .813
Lokasi .214
.108 .146
1.987 .050
Merchendise .003
.105 .002
.027 .978
Harga .145
.067 .160
2.162 .033
Pelayanan .500
.092 .456
5.452 .000
Promosi .230
.105 .171
2.196 .031
Atmosfer .272
.089 .242
3.065 .003
a. Dependent Variable: Kepuasan
Sumber : Data penelitian diolah SPSS, 20.00 2016
D. Menguji Otokorelasi
Untuk menguji apakah terdapat otokorelasi atau tidak dalam model regresi bisa membandingkan nilai DW. Jika nilai DW berada pada 1DW3, maka tidak
terjadi otokorelasi pada model regresi berganda. Pada tabel dibawah ini terlihat nilai DW sebesar 1,965. Berarti nilai DW berada pada 1 DW 1,965 3 maka
tidak terjadi otokorelasi pada model regresi.
Tabel 4.37 Uji Otokorelasi
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.546
a
.298 .291
1.69321 1.962
a. Predictors: Constant, KepuasanPelanggan b. Dependent Variable: LoyalitasPelanggan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Universitas Sumatera Utara
E. Menguji Multikolinearitas
Untuk menguji apakah terdapat multikolinearitas atau tidak dalam model regresi bisa melihat nilai korelasi. Jika koefisien korelasi variabel eksogen tinggi
mendekati 1 maka terjadi multikolinearitas. Dari tabel dibawah ini bahwa nilai korelasi variabel eksogen tidak mendekati 1.
Tabel 4.38 Uji Multikolinearitas
Correlations
KepuasanPelanggan LoyalitasPelanggan
KepuasanPelanggan Pearson Correlation
1 .546
Sig. 2-tailed .000
N 100
100 LoyalitasPelanggan
Pearson Correlation .546
1 Sig. 2-tailed
.000 N
100 100
. Correlation is significant at the 0.01 level 2-tailed.
Sumber : Data penelitian diolah SPSS, 20.00 2016
F. Menguji Linearitas
Untuk melihat linearitas bisa menggunakan normal PP plot, jika titik-titik data membentuk garis lurus bisa disimpulkan bahwa linearitas dalam regresi
sudah dipenuhi.
Gambar 4.22 Diagram PP Plot Sub Struktur 2 Sumber : Data penelitian diolah SPSS, 20.00 2016
Universitas Sumatera Utara
G. Menguji Normalitas Data
Data dinyatakan berdistribusi normal jika data tersebut tidak melenceng ke kiri atau ke kanan, data berbentuk kurva yang seimbang sehingga membentuk
gambar lonceng.
Gambar 4.23 Histogram Sub Stuktur 2 Sumber : Data penelitian diolah SPSS, 20.00 2016
H. Pembahasan Persamaan Sub struktur 2
1. Menguji Koefisien Determinasi R
2
Pengujian dengan menggunakan uji koefissien determinasi R
2
, yaitu untuk melihat besarnya pengaruh variabel bebas. Uji koefisien determinasi adalah
dengan persentase pengkuadratan nilai koefisien yang ditemukan. R-square atau nilai determinan R
2
mendekati satu berarti pengaruh variabel bebas terhadap variabel terikat kuat.
Tabel 4.39 Koefisien Determinasi R
2
Model Summary
b
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-Watson
1 .546
a
.298
.291 1.69321
1.962 a. Predictors: Constant, KepuasanPelanggan
b. Dependent Variable: LoyalitasPelanggan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Universitas Sumatera Utara
Besarnya nilai R square pada tabel diatas adalah 0,546. Angka 0,546 berarti 54,6 besarnya pengaruh variabel eksogen kepuasan pelanggan erhadap
loyalitas pelangggan. Atau dengan kata lain variabel endogen loyalitas pelanggan dapat dijelaskan oleh variabel eksogen sebesar 54,6 Sedangkan
sisanya 1-0,546 = 0,454 atau 45,4 dapat diterangkan oleh variabel lain diluar variabel eksogen.
2. Menghitung Koefisien Jalur secara simultan Uji F
hitung
Uji secara keseluruhan hipotesis statistik dirumuskan sebagai berikut: a
Kaidah pengujian signifikansi secara manual adalah dengan menggunakan Tabel F. Hipotesis statistik dirumuskan sebagai berikut:
H
a
: ρyY
1 kepuasan
= ρyY
2
≠ 0, H : ρyY
1kepuasan
= ρyY
2
= 0 b
Kaidah pengujian signifikansi: Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig
atau 0,05 ≤ Sig, maka H
diterima dan H
a
ditolak, artinya tidak signifikan. Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas
Sig atau 0,05 ≥ Sig, maka H
ditolak dan H
a
diterima, artinya signifikan.
Tabel 4.40 Koefisien Jalur Secara Simultan Uji F
hitung
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
119.548 1
119.548 41.698
.000
a
Residual 280.962
98 2.867
Total 400.510
99 a. Predictors: Constant, KepuasanPelanggan
b. Dependent Variable: LoyalitasPelanggan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Universitas Sumatera Utara
Dari tabel diatas terlihat uji secara simultan , dimana nilai signifikansi 0,000 lebih kecil dari 0,05 dengan demikian hipotesis diterima bahwa kepuasan
pelanggan berpengaruh signifikan terhadap loyalitas pelanggan . 3.
Menghitung koefisien jalur secara individu Uji t
hitung
Uji-t uji parsial dilakukan untuk melihat secara individu pengaruh secara signifikan dari variabel bebas terhadap variabel terikat dengan menggunakan
langkah-langkah sebagai berikut: Mencari nilai t
tabel
dengan cara menentukan tingkat kesalahan α dan menentukan derajat kebebasan df.
a Mencari nilai t
hitung
dengan menggunakan bantuan aplikasi. b
Menentukan kriteria keputusan : H
diterima bila t
hitung
t
tabel
atau H diterima, apabila nilai sigifikansi t α.
H
a
diterima bila t
hitung
t
tabel
atau H
a
diterima, apabila nilai signifikansi t α.
Tabel 4.41 Koefisien Jalur Secara Individu Uji t
hitung
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 10.289
1.678 6.131
.000 KepuasanPelanggan
.529 .082
.546 6.457
.000 a. Dependent Variable: LoyalitasPelanggan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Berdasarkan hasil uji parsial terlihat bahwa nilai t hitung variabel eksogen lokasi sebesar 6,457 dengan nilai signifikansi 0,050, Berarti variabel eksogen
Universitas Sumatera Utara
secara parsial berpengaruh secara positif dan signifikansi terhadap loyalitas pelanggan.
c Menghitung Nilai Koefisien Korelasi
Korelasi ditujukan untuk pasangan pengamatan data rasio yang menunjukan hubungan yang linear. Koefisien korelasi adalah suatu angka indeks yang
melukiskan hubungan antara dua rangkaian data yang dihubungkan. Dengan kata lain, korfisien korelasi adalah ukuran atau indeks dari hubungan antara dua
variabel. Koefisien korelasi besarnya antara -1 sampai +1. Tanda positif dan negatif menunjukkan arti atu arah dari hubungan koefisien korelasi tersebut
Korelasi positif nilainya berada antara 0 sampai +1 , nilai menjelaskan bahwa apabila suatu variabel naik maka akan menyebabkan kenaikan pada variabel yang
lainnya dan sebaliknya. Korelasi negatif nilainya berada antara -1 sampai 0, nilai tersebut menjelaskan bahwa apabila suatu variabel naik maka variabel yang
lainnya akan turun dan sebaliknya.
Tabel 4.42 Nilai Koefisien Korelasi
Correlations
KepuasanPelangga n
LoyalitasPelanggan KepuasanPel
anggan Pearson Correlation
1 .546
Sig. 2-tailed .000
N 100
100 LoyalitasPela
nggan Pearson Correlation
.546 1
Sig. 2-tailed .000
N 100
100 . Correlation is significant at the 0.01 level 2-tailed.
Sumber : Data penelitian diolah SPSS, 20.00 2016
Universitas Sumatera Utara
d Menggambar Koefisien Jalur
Gambar 4.24 : Koefisien Jalur Sub Struktur 3 Sumber : Data penelitian diolah 2016
Tabel 4.43 Hasil Koefisien Jalur Sub Struktur 3
Dari Ke
Standard Coefficient
Beta T
hitung F
hitung Hasil
Pengujian R
2
e Y1Kepuasan
Pelanggan Y2Loyalitas
Pelanggan .546
1.987 5,457
H0 ditolak
0,298 0,082
Sumber : Data penelitian diolah 2016
Berdasarkan Tabel 4.51 analisis statistik yang telah dilakukan terhadap
masing-masing variabel penelitian diatas, maka peneliti mencoba memberikan pembahasan terhadap permasalahan yang dibahas, yaitu :
1. Pengaruh kepuasan pelanggan terhadap loyalitas pelanggan
Berdasarkan hasil pengujian, menunjukkan bahwa kepuasan pelanggan memiliki pengaruh yang positif dan signifikan terhadap loyalitas pelanggan
yakni sebesar 0,298. Dapat kita simpulkan bahwa semakin tinggi kepuasan tentu akan semakin meningkatkan loyalitas pelanggan.
e= 0,082
Kepuasan Loyalitas
R= 0,546 , R
2
=0,298, Fhitung= 41, 698
Universitas Sumatera Utara
4.2.3.1.4 Pembahasan Model Trimming Sub struktur 1
Model Trimming adalah model yang digunakan untuk memperbaiki model struktur analisis jalur dengan cara mengeluarkan variabel eksogen yang tidak
signifikan dari model yang ada. Sarwono 2012 menyatakan untuk melakukan uji analisis jalur diperlukan asumsi dan prinsip dasar yakni :
A. Melihat Kelayakan Model Regresi
Untuk melihat kelayakan model regresi apakah sudah benar dapat dilihat dengan dua cara yakni dengan melihat tabel F pada ANOVA dan melihat
nilai signifikansi. Tabel 4.44
Kelayakan Model Regresi
ANOVA
a
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
105.461 5
21.092 19.762
.000
b
Residual 100.329
94 1.067
Total 205.790
99 a. Dependent Variable: Kepuasan
b. Predictors: Constant, Atmosfer, Promosi, Lokasi, Harga, Pelayanan
Sumber : Data penelitian diolah SPSS, 20.00 2016 Keputusan :
1. Jika F tabel F hitung, maka model regresi layak. Dari tabel Anova diatas
terlihat nilai F hitung 19,762 lebih besar dari F tabel 2,31 maka model regresi dinyatakan layak.
2. Jika nilai signifikansi 0,05, maka model regresi layak. Dari tabel Anova
diatas terlihat nilai signifikansi 0,00 0,05 maka model regresi dinyatakan layak.
Universitas Sumatera Utara
B. Menguji Ketepatan Predictor yang digunakan dalam Riset
Untuk menguji ketepatan prediktor variabel eksogen yang digunakan untuk mempredikdi variabel endogen dapat digunakan dengan membandingkan angka
standar deviasi dan angka standard error of estimate. Jika angka standard error of estimate angka standar deviasi maka prediktor yang dipakai layakbenar.
Berdasarkan tabel dibawah terlihat nilai standar devisiasi variabel lokasi 0,98, harga 1,59, pelayanan 1,31, promosi 1,07, atmosfer 1,28 diatas angka
standard error of estimate 1,03.
Tabel 4.45 Standard Deviation.
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation Lokasi
100 6.00
10.00 8.0600
.98288 Harga
100 8.00
15.00 11.4400
1.59747 Pelayanan
100 3.00
10.00 8.3500
1.31330 Promosi
100 6.00
10.00 8.9100
1.07398 Atmosfer
100 4.00
10.00 7.6500
1.28216 Valid N listwise
100
Sumber : Data penelitian diolah SPSS, 20.00 2016
Tabel 4.46 Standard Error of the Estimate
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .716
a
.512 .487
1.03312 1.965
a. Predictors: Constant, Atmosfer, Promosi, Lokasi, Harga, Pelayanan b. Dependent Variable: Kepuasan
Sumber : Data penelitian diolah SPSS, 20.00 2016
C. Menguji Kelayakan Koefisien Regresi yang digunakan dalam Riset
Untuk menguji kelayakan koefisien regresi yang digunakan dalam riset bisa dilihat pada nilai signifikansi. Jika nilai signifikansi bawah 0,05 maka koefisien
regresi dinyatakan layak.
Universitas Sumatera Utara
Tabel 4.47 Nilai Signifikansi
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta
1 Constant
.418 1.509
.277 .782
Lokasi .214
.106 .146
2.026 .046
Harga .145
.067 .160
2.174 .032
Pelayanan .500
.091 .455
5.481 .000
Promosi .230
.104 .171
2.212 .029
Atmosfer .273
.088 .242
3.116 .002
a. Dependent Variable: Kepuasan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Berdasarkan tabel diatas maka variabel eksogen lokasi 0,046, harga 0,032, pelayanan 0,000, promosi 0,029, atmosfer 0,002 P0,05 Dengan
demikian lokasi, harga, pelayanan, promosi atmosfer regresinya yang dinyatakan layak.
D. Menguji Otokorelasi
Untuk menguji apakah terdapat otokorelasi atau tidak dalam model regresi bisa membandingkan nilai DW. Jika nilai DW berada pada 1DW3, maka
tidak terjadi otokorelasi pada model regresi berganda. Pada tabel dibawah ini terlihat nilai DW sebesar 1,965. Berarti nilai DW berada pada 1 DW
1,965 3 maka tidak terjadi otokorelasi pada model regresi.
Tabel 4.48 Uji Otokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .716
a
.512 .487
1.03312 1.965
a. Predictors: Constant, Atmosfer, Promosi, Lokasi, Harga, Pelayanan b. Dependent Variable: Kepuasan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Universitas Sumatera Utara
E. Menguji Multikolinearitas
Untuk menguji apakah terdapat multikolinearitas atau tidak dalam model regresi bisa melihat nilai korelasi. Jika koefisien korelasi variabel eksogen tinggi
mendekati 1 maka terjadi multikolinearitas. Dari tabel dibawah ini bahwa nilai korelasi kedua variabel tidak mendekati 1.
Tabel 4.49 Uji Multikolinearitas
Correlations
Lokasi Harga
Pelayanan Promosi
Atmosfer Lokasi
Pearson Correlation 1
.034 .007
-.014 .057
Sig. 2-tailed .733
.945 .890
.574 N
100 100
100 100
100 Harga
Pearson Correlation .034
1 .162
-.041 .150
Sig. 2-tailed .733
.108 .682
.137 N
100 100
100 100
100 Pelayanan
Pearson Correlation .007
.162 1
.338 .349
Sig. 2-tailed .945
.108 .001
.000 N
100 100
100 100
100 Promosi
Pearson Correlation -.014
-.041 .338
1 .014
Sig. 2-tailed .890
.682 .001
.893 N
100 100
100 100
100 Atmosfer
Pearson Correlation .057
.150 .349
.014 1
Sig. 2-tailed .574
.137 .000
.893 N
100 100
100 100
100 . Correlation is significant at the 0.01 level 2-tailed.
Sumber : Data penelitian diolah SPSS, 20.00 2016
Dari hasil perhitungan tabel diatas, terlihat bahwa korelasi antara variabel bebas tidak ada yang sangat tinggi atau mendekati 1. Dengan demikian tidak terjadi
multikolinearitas antara variabel eksogen yang digunakan dalam penelitian ini. F.
Menguji Linearitas Untuk melihat linearitas bisa menggunakan normal PP plot, jika titik-titik
data membentuk garis lurus bisa disimpulkan bahwa linearitas dalam regresi sudah dipenuhi.
Universitas Sumatera Utara
Gambar 4.25 Diagram PP Plot Sub Struktur 1 Model Trimming Sumber : Data penelitian diolah SPSS, 20.00 2016
G. Menguji Normalitas Data
Data dinyatakan berdistribusi normal jika data tersebut tidak melenceng ke kiri atau ke kanan, data berbentuk kurva yang seimbang sehingga membentuk
gambar lonceng.
Gambar 4.26 Histogram Sub Struktur 1 Model Trimming Sumber : Data penelitian diolah SPSS, 20.00 2016
Universitas Sumatera Utara
H. Pembahasan Model Trimming Persamaan Sub struktur 2
1. Menguji Koefisien Determinasi R
2
Pengujian dengan menggunakan uji koefissien determinasi R
2
, yaitu untuk melihat besarnya pengaruh variabel bebas. Uji koefisien determinasi adalah
dengan persentase pengkuadratan nilai koefisien yang ditemukan. R-square atau nilai determinan R
2
mendekati satu berarti pengaruh variabel bebas terhadap variabel terikat kuat.
Tabel 4.50 Koefisien Determinasi R
2
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .716
a
.512 .487
1.03312 1.965
a. Predictors: Constant, Atmosfer, Promosi, Lokasi, Harga, Pelayanan b. Dependent Variable: Kepuasan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Besarnya nilai R square pada tabel diatas adalah 0,716. Angka 0,512 berarti 51,2 besarnya pengaruh variabel eksogen lokasi,harga, pelayanan, promosi,
atmosfer terhadap kepuasan pelanggan. Atau dengan kata lain variabel endogen kepuasan pelanggan dapat dijelaskan oleh variabel eksogen sebesar 51,2.
Sedangkan sisanya 1- 0,512 = 0,488 atau 48,8 dapat diterangkan oleh variabel lain diluar variabel ini.
2. Menghitung Koefisien Jalur secara simultan Uji F
hitung
Uji secara keseluruhan hipotesis statistik dirumuskan sebagai berikut: a
Kaidah pengujian signifikansi secara manual adalah dengan menggunakan Tabel F
Hipotesis statistik dirumuskan sebagai berikut:
Universitas Sumatera Utara
H
a
ρyx
1 lokasi
= ρyx
3harga
= ρyx
4 pelayanan
ρyx
5 promosi
= ρyx
6atmosfer
= ρyx
7
≠0 H
: ρyx
1 lokasi
= ρyx
3harga
=ρyx
4 pelayanan
ρyx
5 promosi
=ρyx
6atmosfer
= ρyx
7
=0 b
Kaidah pengujian signifikansi: 1.
Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig atau 0,05
≤ Sig, maka H diterima dan H
a
ditolak, artinya tidak signifikan.
2. Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas
Sig atau 0,05 ≥ Sig, maka H
ditolak dan H
a
diterima, artinya signifikan.
Tabel 4.51 Koefisien Jalur Secara Simultan Uji F
hitung
ANOVA
a
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
105.461 5
21.092 19.762
.000
b
Residual 100.329
94 1.067
Total 205.790
99 a. Dependent Variable: Kepuasan
b. Predictors: Constant, Atmosfer, Promosi, Lokasi, Harga, Pelayanan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Dari tabel diatas terlihat uji secara simultan , dimana nilai signifikansi 0,00 lebih kecil dari 0,05 dengan demikian hipotesis diterima bahwa lokasi, harga,
pelayanan,promosi, atmosfer dan kepuasan pelanggan berpengaruh signifikan terhadap loyalitas pelanggan
3. Menghitung koefisien jalur secara individu Uji t
hitung
Uji-t uji parsial dilakukan untuk melihat secara individu pengaruh secara signifikan dari variabel bebas terhadap variabel terikat dengan menggunakan
langkah-langkah sebagai berikut: a
Mencari nilai t
tabel
dengan cara menentukan tingkat kesalahan α dan menentukan derajat kebebasan df.
Universitas Sumatera Utara
b Mencari nilai t
hitung
dengan menggunakan bantuan aplikasi. c
Menentukan kriteria keputusan : H
diterima bila t
hitung
t
tabel
atau H diterima, apabila nilai sigifikansi tα.
H
a
diterima bila t
hitung
t
tabel
atau H
a
diterima, apabila nilai signifikansi t α.
Tabel 4.52 Koefisien Jalur Secara Individu Uji t
hitung
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta
1 Constant
.418 1.509
.277 .782
Lokasi .214
.106 .146
2.026 .046
Harga .145
.067 .160
2.174 .032
Pelayanan .500
.091 .455
5.481 .000
Promosi .230
.104 .171
2.212 .029
Atmosfer .273
.088 .242
3.116 .002
a. Dependent Variable: Kepuasan
Sumber : Data penelitian diolah SPSS, 20.00 2016
Berdasarkan hasil uji parsial terlihat bahwa nilai t hitung variabel eksogen lokasi sebesar 2,026 dengan nilai signifikansi 0,046, harga 2,174 dengan nilai
signifikan 0,032, pelayanan 5,481 dengan nilai signifikan 0,000, promosi 2,212 dengan nilai signifikan 0,029 dan atmosfer 3,116 dengan nilai signifikan 0,002.
Berarti variabel lokasi, harga, pelayanan, promosi, dan atmosfer secara parsial berpengaruh secara signifikansi terhadap kepuasan klonsumen.
Berdasarkan tabel diatas, maka persamaan strtukturnya : Loyalitas : P
y1x1.
X1Lokasi + P
y1x3
. X3Harga + P
y1x4 .
X4Pelayanan + P
y1x5.
X5Promosi + P
y1x6.
X6Atmosfer + P
y1 .
e1 Loyalitas : 0,146X1lokasi + 0,160X3harga+ 0,455X4pelayanan +
0,171promosi + 0,242atmosfer0,418 e1
Universitas Sumatera Utara
4. Menghitung Nilai Koefisien Korelasi
Korelasi ditujukan untuk pasangan pengamatan data rasio yang menunjukan hubungan yang linear. Koefisien korelasi adalah suatu angka indeks
yang melukiskan hubungan antara dua rangkaian data yang dihubungkan. Dengan kata lain, korfisien korelasi adalah ukuran atau indeks dari hubungan antara dua
variabel. Koefisien korelasi besarnya antara -1 sampai +1. Tanda positif dan negatif menunjukkan arti atu arah dari hubungan koefisien korelasi tersebut.
Korelasi positif nilainya berada antara 0 sampai +1 , nilai menjelaskan bahwa apabila suatu variabel naik maka akan menyebabkan kenaikan pada
variabel yang lainnya dan sebaliknya. Korelasi negatif nilainya berada antara -1 sampai 0, nilai tersebut menjelaskan bahwa apabila suatu variabel naik maka
variabel yang lainnya akan turun dan sebaliknya.
Tabel 4.53 Nilai Koefisien Korelasi
Correlations
Lokasi Harga
Pelayanan Promosi
Atmosfer Lokasi
Pearson Correlation 1
.034 .007
-.014 .057
Sig. 2-tailed .733
.945 .890
.574 N
100 100
100 100
100 Harga
Pearson Correlation .034
1 .162
-.041 .150
Sig. 2-tailed .733
.108 .682
.137 N
100 100
100 100
100 Pelayanan
Pearson Correlation .007
.162 1
.338 .349
Sig. 2-tailed .945
.108 .001
.000 N
100 100
100 100
100 Promosi
Pearson Correlation -.014
-.041 .338
1 .014
Sig. 2-tailed .890
.682 .001
.893 N
100 100
100 100
100 Atmosfer
Pearson Correlation .057
.150 .349
.014 1
Sig. 2-tailed .574
.137 .000
.893 N
100 100
100 100
100 . Correlation is significant at the 0.01 level 2-tailed.
Sumber : Data penelitian diolah SPSS, 20.00 2016
Universitas Sumatera Utara
Berdasarkan hasil uji korelasi perhitungan tabel 4.39 diatas, maka dapat dilihat nilai korelasi antar variabel
5.
Menggambar Koefisien Jalur
Gambar 4.27 : Koefisien Jalur Model Trimming Sub Struktur 1 Sumber : Data penelitian diolah 2016
Lokasi
Harga
Kepuasan
0,242
Pelayanan
Promosi
Atmosfer
0,162
0,338
0,014 0,171
0,456 0,146
0,160 0,034
e= 0,488
R= 0,716 , R
2
=0,512, Fhitung= 19,762
Universitas Sumatera Utara
Tabel 4.54 Hasil Koefisien Jalur Model Trimming
Dari Ke
Standard Coefficient
Beta T
hitung F
hitung Hasil
Pengujian R
2
e X1lokasi
Y1Kepuasan .146
2.026 19,762
H0 ditolak
0,512 0,488
X3harga Y1Kepuasan
.160 2.174
19,762 H0
ditolak 0,512
0,488 X4 pelayanan
Y1Kepuasan .456
5.481 19,762
H0 ditolak
0,512 0,488
X5 promosi Y1Kepuasan
.171 2.212
19,762 H0
ditolak 0,512
0,488 X6 atmosfer
Y1Kepuasan .242
3.116 19,762
H0 ditolak
0,512 0,488
Sumber : Data penelitian diolah 2016
1. Pengaruh Lokasi Terhadap Kepuasan pelanggan Berdasarkan hasil pengujian,
menunjukkan bahwa lokasi memiliki pengaruh yang positif dan signifikan terhadap kepuasan pelanggan, yakni sebesar 0,146. Dapat kita simpulkan
bahwa semakin tinggi nilai lokasi tentu akan semakin meningkatkan kepuasan pelanggan.
2. Pengaruh harga Terhadap Kepuasan pelanggan Berdasarkan hasil pengujian,
menunjukkan bahwa harga memiliki pengaruh yang positif dan signifikan terhadap kepuasan pelanggan yakni sebesar 0,160. Dapat kita simpulkan
bahwa semakin tinggi harga tentu akan semakin meningkatkan kepuasan pelanggan.
3. Pengaruh pelayanan Terhadap Kepuasan pelanggan Berdasarkan hasil
pengujian, menunjukkan bahwa pelayanan memiliki pengaruh yang positif dan signifikan terhadap kepuasan pelanggan yakni sebesar 0,455. Dapat kita
simpulkan bahwa semakin tinggi pelayanan tentu akan semakin meningkatkan kepuasan pelanggan
Universitas Sumatera Utara
4. Pengaruh promosi Terhadap Kepuasan pelanggan Berdasarkan hasil
pengujian, menunjukkan bahwa promosi memiliki pengaruh yang positif dan signifikan terhadap kepuasan pelanggan yakni sebesar 0,171. Dapat kita
simpulkan bahwa semakin tinggi promosi tentu akan semakin meningkatkan kepuasan pelanggan
5. Pengaruh atmosfer Terhadap Kepuasan pelanggan Berdasarkan hasil
pengujian, menunjukkan bahwa atmosfer memiliki pengaruh yang positif dan signifikan terhadap kepuasan pelanggan yakni sebesar 0,242. Dapat kita
simpulkan bahwa semakin tinggi atmosfer tentu akan semakin meningkatkan kepuasan pelanggan
6. Pengaruh retailing mix Terhadap Kepuasan pelanggan Secara Simultan
Berdasarkan hasil pengujian, menunjukkan bahwa retailing mix lokasi, , harga, pelayanan, promosi, dan atmosfer memiliki pengaruh secara simultan
terhadap kepuasan pelanggan yakni sebesar 51,2. Sedangkan sisanya sebesar 100-51,2 = 48,8 dijelaskan oleh variabel lain.
4.3 Pembahasan
Berdasarkan analisis statistik yang telah dilakukan terhadap masing-masing variabel penelitian maka peneliti mencoba memberikan pembahasan terhadap
permasalahan yang dibahas didalam penelitian ini yaitu : 1.
Pengaruh Retailing mix Terhadap Kepuasan pelanggan. Berdasarkan hasil pengujian, menunjukkan bahwa retailing mix yang terdiri
dari lokasi, harga, pelayanan, promosi atmosfer, memiliki pengaruh secara
Universitas Sumatera Utara
