Sumber Data dan Teknik Pengumpulan Data
Kebanyakan data mengandung situasi heteroskedastisitas karena menghimpun data yang mewakili berbagai ukuran kecil, sedang,
dan besar c. Uji Asumsi Klasik Normalitas
Selain uji
asumsi klasik
multikolinieritas dan
heteroskedastisitas, uji asumsi klasik yang lain adalah uji normalitas, dimana akan menguji data variabel bebas X dan data
variabel terikat Y pada persamaan regresi yang dihasilkan berdistribusi normal atau berdistribusi tidak normal.
Persamaan regresi dikatakan baik jika mempunyai data variabel bebas dan data variabel terikat berdistribusi mendekati
normal atau normal sama sekali. Uji asumsi klasik normalitas dapat dilakukan dengan dua cara yaitu :
1 Cara statistik Dalam menguji data variabel bebas dan data variabel terikat
berdistribusi normal atau tidak pada cara statistik ini melalui nilai kemiringan kurva skewness = a3 atau nilai
keruncingan kurva kurtosis = a4 diperbandingkan dengan nilai Z tabel. Dasar pengambilan keputusan, jika data
menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi normalitas.
Sedangkan jika data menyebar jauh dari garis diagonal dan
tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi normalitas.
2 Cara grafik Histogram dan Normal Probality Plots Cara grafik histogram dalam menentukan suatu data
berdistribusi normal atau tidak, cukup membandingkan antara data riil atau nyata dengan garis kurva yang terbentuk,
apakah mendekati normal atau memang normal sama sekali. Jika data riil membentuk garis kurva cenderung tidak simetri
terhadap mean U, maka dapat dikatakan data berdistribusi tidak normal dan sebaliknya. Cara grafik histogram lebih
sesuai untuk data yang relatif banyak, dan tidak cocok untuk banyak data yang sedikit, karena interpretasinya dapat
menyesatkan. Cara normal probaliti plots lebih handal daripada cara grafik
histogram, karena cara ini membandingkan data riil dengan data distribusi normal otomatis oleh komputer secara
kumulatif. Suatu data dikatakan berdistribusi normal jika garis data riil mengikuti garis diagonal.
2. Regresi berganda Teknik analisis regresi berganda merupakan model yang digunakan
untuk mengetahui hubungan antara variabel dependen dan independen. Jika suatu variabel tak bebas dependent variable tergantung pada
lebih dari satu variabel bebas independent variable, maka hubungan
antara kedua variabel disebut analisis regresi berganda multiple regression
. Analisis linear berganda akan digunakan untuk mengetahui ada
tidaknya pengaruh faktor kualitas interaksi, kualitas lingkungan fisik, dan kualitas hasil terhadap kepuasan konsumen
Perhitungan regresi yang digunakan dalam penelitian ini sebagai berikut :
a. Persamaan analisis regresi berganda Y = a + b
1
X
1
+ b
2
X
2
+b
3
X
3
+ e Keterangan :
Y = variabel kepuasan konsumen a = nilai konstanta nilai Y pada saat semua variabel X bernilai 0
b
1
= koefisien regresi variabel kualitas interaksi b
2
= koefisien regresi variabel kualitas lingkungan fisik b
3
= koefisien regresi variabel kualitas hasil X
1
= variabel kualitas interaksi X
2
= variabel kualitas lingkungan fisik X
3
= variabel kualitas hasil e
= error
b. Uji F F test digunakan untuk menguji ada tidaknya pengaruh signifikan
variabel bebas secara bersama-sama terhadap variabel terikat. Bila
F
hitung
F
tabel,
maka secara bersama-sama variabel bebas berpengaruh terhadap variabel terikat, sebaliknya bila F
hitung
F
tabel
, maka secara bersama-sama variabel bebas tidak berpengaruh terhadap variabel
terikat. Bila F
hitung
= F
tabel
maka secara bersama-sama variabel bebas berpengaruh terhadap variabel terikat Priyatno dalam Eva Nani.G,
2009.
Di mana : n = ukuran sampel
R
2
= koefisien determinasi k = banyaknya variabel bebas
F
hitung
F
tabel
Apabila F
hitung
F
tabel
maka hipotesis alternatif diterima atau dengan kata lain H
ditolak. Hal ini dapat diartikan bahwa variabel kualitas interaksi, kualitas lingkungan fisik dan kualitas hasil secara bersama-
sama berpengaruh terhadap kepuasan konsumen. F
hitung
F
tabel
Apabila F
hitung
F
tabel
maka hipotesis alternatif ditolak atau dengan kata lain H
diterima. Hal ini dapat diartikan bahwa variabel kualitas