6.5.1 Persamaan Analisis Regresi Linear Berganda
Persamaan analisis Regresi Linear Berganda bertujuan untuk mengetahui seberapa besar satu variabel independen mempengaruhi variabel
dependen. Persamaan analisis Regresi Linear Berganda dapat dilihat pada Tabel 6.13 :
Tabel 6.13 Hasil Uji Regresi Hipotesis
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -3.345
1.569 -2,132
,086 X1
.262 .027
1.063 9,524
,000 X2
.139 .046
.282 3,021
,029 X3
-.168 .052
-.373 -3,247
,023 a. Dependent Variable: Y
Sumber : Hasil Penelitian, 2014 Data diolah
Dari Tabel 6.13 diatas dapat disusun sebuah persamaan regresi linier berganda sebagai berikut :
Y = -3,345 + 0,262 X
1
+ 0,139 X
2
- 0,168 X
3
Berdasarkan hasil persamaan regresi linier berganda seperti tersaji diatas, dapat diintepretasikan bahwa variabel harapan pelanggan terhadap adanya
penambahan fasilitas hotel X
1
dan variabel keinginan manajemen untuk melakukan penambahan fasilitas hotel X
2
memberikan pengaruh yang positif terhadap variabel Y, dimana apabila variabel X
1
dan X
2
mengalami kenaikan satu satuan, maka akan dapat meningkatkan nilai variabel Y yaitu kebutuhan
perluasan produk, sedangkan variabel kepuasan karyawan terhadap fasilitas hotel saat ini X
3
memberikan pengaruh yang negatif, sehingga apabila terjadi kenaikan satu satuan maka akan menurunkan nilai Y.
Universitas Sumatera Utara
6.5.2 Koefisien Determinasi R
2
Koefisien determinasi digunakan untuk menunjukkan bagaimana kemampuan variabel X
1
, X
2
dan X
3
dalam menjelaskan pengaruhnya terhadap peningkatan variabel Y. Secara rinci dapat dilihat pada Tabel 6.14 berikut :
Tabel 6.14 Nilai Koefisien Determinasi
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
,983
a
,967 ,947
,499 ,983
a
a. Predictors: Constant, X3, X2, X1 b. Dependent Variable: Y
Sumber : Hasil Penelitian, 2014 Data diolah
Berdasarkan data yang tersaji pada tabel 4.7 tersebut di atas dapat kita ketahui bahwa variabel X
1
, X
2
dan X
3
memiliki hubungan yang cukup kuat dengan variabel Y, dimana dari hasil perhitungan koefisien determinasi R
square sebesar 0,967. Hasil tersebut memberikan pengertian bahwa variabel X
1
, X
2
dan X
3
memberikan kontribusi yang kuat terhadap variabel Y dengan kontribusi sebesar 96,7 sedangkan sisanya 3,3 ditentukan oleh variabel
lainnya yang tidak diteliti dalam penelitian.
6.5.3 Uji Simultan F F-test