menyatakan Sangat Setuju sebanyak 71 responden 75,53, Setuju sebanyak 17 responden 18,09, dan Kurang Setuju sebanyak 6 responden 6,38.
r Pada pertanyaan 18, Tata ruang The Queen’s Beauty Centre Medan dinamis
dan modern, menunjukkan bahwa jawaban responden yang menyatakan Sangat Setuju sebanyak 74 responden 78,72, Setuju sebanyak 17
responden 18,09, dan Kurang Setuju sebanyak 3 responden 3,19.
6. Pengambilan Keputusan Konsumen Y Tabel 4.11
Jawaban Responden Terhadap Variabel Pengambilan Keputusan Konsumen No
Sangat Setuju Setuju
Kurang Setuju
Tidak Setuju
Sangat Tidak
Setuju Jumlah
Jlh Jlh
Jlh Jlh
Jlh Total
19 73
77,66 14
14,89 7
7,45 -
- -
- 94
100 20
83 88,3
8 8,51
3 3,19
- -
- -
94 100
21 73
77,66 15
15,96 6
6,38 -
- -
- 94
100
Sumber: Hasil olahan SPSS 12.00 for windows, 2010
Hasil jawaban responden mengenai variabel Pengambilan Keputusan Konsumen pada Tabel 4.11 yaitu :
s Pada pertanyaan 19, Anda selalu memutuskan untuk mengunjungi The
Queen’s Beauty Centre ketika membutuhkan jasa kecantikan, menunjukkan bahwa jawaban responden yang menyatakan Sangat Setuju sebanyak 73
responden 77,66, Setuju sebanyak 14 responden 14,89, dan Kurang Setuju sebanyak 7 responden 7,45.
t Pada pertanyaan 20, Anda selalu memilih The Queen’s Beauty Centre dalam
melakukan perawatan dibandingkan tempat kecantikan lainnya, menunjukkan bahwa jawaban responden yang menyatakan Sangat Setuju sebanyak 83
responden 88,3, Setuju sebanyak 8 responden 8,51, dan Kurang Setuju sebanyak 3 responden 3,19.
Universitas Sumatera Utara
u Pada pertanyaan 21, Anda selalu menggunakan kembali The Queen’s Beauty
Centre untuk jasa kecantikan, menunjukkan bahwa jawaban responden yang menyatakan Sangat Setuju sebanyak 73 responden 77,66, Setuju sebanyak
15 responden 15,96, dan Kurang Setuju sebanyak 6 responden 6,38.
2. Uji Asumsi Klasik
Penggunaan model analisis yang digunakan peneliti dalam menguji hipotesis dengan regresi berganda. Peneliti melakukan uji F terhadap variabel
independen kualitas layanan reliability, responsiveness, assurance, empathy dan tangible terhadap variabel dependen pengambilan keputusan konsumen untuk
melihat keabsahan persamaan regresi yang dibuat, pembuatan regresi dilandasi oleh asumsi yang tidak boleh dilanggar.
Residual merupakan komponen penting untuk menentukanmengevaluasi keabsahan suatu model, baik untuk melihat pelanggaran terhadap asumsi maupun
untuk melihat penyimpangan nilai prediksi terhadap nilai sesungguhnya, seperti mendeteksi nilai-nilai ekstrim atau outlier. Outlier adalah nilai yang terpisah dari
kumpulan observasi yang dapat bernilai sangat besar atau sangat kecil. Mengingat pendugaan koefisien regresi dan berbagai perhitungan lain yang
menyangkut regresi, seperti koefisien determinasi atau uji hipotesis sangat banyak
memanfaatkan nilai rata-rata maka nilai ekstrim akan mempunyai pengaruh
terhadap ketepatan model. Dalam regresi outlier harus diperhatikan dengan cermat jika ingin persamaan regresi yang dibuat akurat. Deteksi outlier dapat
dilakukan dengan membuat plot antara residual standar dan nilai prediksi. Ketika model diolah ternyata didapatkan outlier pada Tabel 4.12 berikut:
Universitas Sumatera Utara
Tabel 4.12 Casewise Diagnostics a
Outlier
Case Number Std. Residual
P.Keputusan Konsumen
46 -3.186
15.00 76
3.856 13.00
a Dependent Variable: P.Keputusan Konsumen Sumber: Hasil olahan SPSS 12.00 for windows, 2010
Outlier muncul pada observasi akan mengganggu estimasi koefisien regresi yang akan berakibat tidak tepatnya model yang dibuat. Observasi ini tidak
disertakan dalam model yang akan dibentuk sehingga model akan diestimasi berdasarkan 96 observasi.
Observasi No. 46 dan No. 76 dikeluarkan dan dilakukan pengolahan data kembali. Dengan didapatkannya regresi baru tanpa adanya outlier maka dapat
dibuat perbandingan beberapa gangguan yang diakibatkan oleh outlier tersebut, antara lain:
a. Koefisien determinasi persamaan regresi yang masih mempunyai outlier
dibandingkan persamaan regresi yang tidak memiliki outlier. Ketika data masih lengkap R squarenya adalah 0,967 adjusted R squarenya adalah 0,965.
Dapat dilihat pada Tabel 4.13 berikut:
Tabel 4.13 Model Summary b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate 1
.983a .967
.965 .26604
a Predictors: Constant, Tangible, Assurance, Empathy, Responsiveness, Reliability
b Dependent Variable: P.Keputusan Konsumen Sumber: Hasil olahan SPSS 12.00 for windows, 2010
Setelah observasi No 46 dan No 76 dikeluarkan R squarenya adalah 0,977 dan adjusted R squarenya adalah 0,976 namun outlier masih ditemukan kembali.
Dapat dilihat pada Tabel 4.14 berikut:
Universitas Sumatera Utara
Tabel 4.14 Model Summary b1
Model R
R Square Adjusted R
Square Std. Error of
the Estimate 1
.988a .977
.976 .22218
a Predictors: Constant, Tangible, Assurance, Responsiveness, Empathy, Reliability
b Dependent Variable: P.Keputusan Konsumen Sumber: Hasil olahan SPSS 12.00 for windows, 2010
b. Korelasi yang terjadi antara observasi dalam satu variabel autokorelasi dari
persamaan regresi yang masih mempunyai outlier lebih tinggi dibandingkan persamaan regresi yang tidak memiliki outlier. Ketika data masih lengkap
Durbin-Watson DW sebesar 1,917. Dapat dilihat pada Tabel 4.15 berikut:
Tabel 4.15 Durbin-Watson
Model Summary b
Model Durbin-Watson
1 1.732a
a Predictors: Constant, Tangible, Assurance, Empathy, Responsiveness, Reliability
b Dependent Variable: P.Keputusan Konsumen Sumber: Hasil olahan SPSS 12.00 for windows, 2010
Setelah observasi No 46 dan No 76 dikeluarkan DW sebesar 1,732a dan
outlier tidak ditemukan kembali. Dapat dilihat pada Tabel 4.16 berikut: Tabel 4.16
Durbin-Watson Model Summary b1
Model Durbin-Watson
1 1.768a
a Predictors: Constant, Tangible, Assurance, Responsiveness, Empathy, Reliability
b Dependent Variable: P.Keputusan Konsumen
Sumber: Hasil olahan SPSS 12.00 for windows, 2010
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah nilai residual berdistribusi normal. Uji normalitas dapat dilakukan dengan 2 dua cara yaitu :
Universitas Sumatera Utara
1. Analisis Grafik Menurut Sarwono 2005 dasar pengambilan keputusan untuk Uji normalitas
sebagai berikut : a Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal
atau grafik histogramnya menunjukkan pola distribusi normal maka model regresi memenuhi asumsi normalitas
b Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal,
maka model regresi tidak memenuhi asumsi normalitas.
Gambar 4.1 Grafik Normal P Plot
0.0 0.2
0.4 0.6
0.8 1.0
Observed Cum Prob
0.0 0.2
0.4 0.6
0.8 1.0
E xpect
ed C um
P rob
Dependent Variable: P.Keputusan Konsumen Normal P-P Plot of Regression Standardized Residual
Gambar 4.1 Grafik P-P Plot Sumber: Hasil olahan SPSS 12.00 for windows, 2010
Universitas Sumatera Utara
Gambar 4.1 Grafik P-P Plot menunjukkan data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, jadi dapat disimpulkan bahwa
data residual berdistribusi normal maka model regresi memenuhi asumsi normalitas.
2. Analisis Statistik Pengujian normalitas dilakukan berdasarkan uji statistik non-parametrik
Kolmogorov-Smirnov K-S. Menurut Nugroho 2005:112 dasar pengambilan keputusan untuk Kolmogorov-Smirnov yaitu nilai value pada kolom Asimp.
Sig 2-tailed level of significant α = 5.
Tabel 4.17 One-Sample Kolmogorov-Smirnov Test
P.Keputusan Konsumen
N 94
Normal Parametersa,b
Mean 14.2660
Std. Deviation 1.42312
Most Extreme Differences
Absolute .420
Positive .303
Negative -.420
Kolmogorov-Smirnov Z 4.076
Asymp. Sig. 2-tailed .000
a Test distribution is Normal. b Calculated from data.
Sumber: Hasil olahan SPSS 12.00 for windows, 2010
Tabel 4.17 menunjukkan nilai signifikan Kolmogorv-Smirnov sebesar 0,000 dimana nilai signifikan tersebut 0,05. Dapat disimpulkan bahwa data
residua l berdistribusi normal.
b. Multikolinieritas
Uji ini bertujuan untuk menguji apakah didalam model regresi linier ditemukan adanya korelasi yang tinggi di antara variabel bebas. Menurut
Universitas Sumatera Utara
Nugroho 2005:58 untuk menguji apakah variabel terkena multikol atau tidak maka nilai nilai Variance Inflation Factor VIF lebih besar dari 10 dan nilai
Tolerance tidak kurang dari 0,1.
Tabel 4.18 Multikolinieritas
Model Collinearity Statistics
Tolerance VIF
1 Reliability
.056 17.782
Responsiveness .090
11.128 Assurance
.088 11.425
Empathy .081
12.409 Tangible
.049 20.238
a Dependent Variable: P.Keputusan Konsumen Sumber: Hasil olahan SPSS 12.00 for windows, 2010
Tabel 4.18 menunjukkan nilai Tolerance 0,1 dan VIF 10 sebagai berikut : Nilai Tolerance Reliability 0,056 0,1 dan nilai VIF 17.782 10 terkena
multikol Nilai Tolerance Responsiveness 0, 090 0,1 dan nilai VIF 11.128 10
terkena multikol Nilai Tolerance Assurance 0,088 0,1 dan nilai VIF 11.425 10 terkena
multikol Nilai Tolerance Empathy 0,081 0,1 dan nilai VIF 12.409 10 terkena
multikol Nilai Tolerance Tangible 0, 049 0,1 dan nilai VIF 20.238 10 terkena
multikol.
c. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari satu residual pengamatan ke pengamatan lain.
Universitas Sumatera Utara
1. Melihat Grafik Menurut Nugroho 2005:59 dasar analisis untuk pengambilan keputusan
adalah sebagai berikut : a Jika ada pola tertentu , seperti titik- titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
b Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Gambar 4.2
-4 -3
-2 -1
1 Regression Standardized Predicted Value
9.00 10.00
11.00 12.00
13.00 14.00
15.00
P.K eput
usan K onsumen
Dependent Variable: P.Keputusan Konsumen Scatterplot
Gambar 4.2 Scatterplot Sumber: Hasil olahan SPSS 12.00 for windows, 2010
Gambar 4.2 Scatterplot menunjukkan titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, yang menandakan bahwa tidak terjadi masalah
heteroskedastisitas.
Universitas Sumatera Utara
2. Uji Glejser Pada pengujian ini variabel terikatnya adalah ABSUT, dimana jika nilai
signifikan 0,05 maka tidak terjadi masalah heteroskedastisitas.
Tabel 4.19 Uji Glejser
Coefficients
a
-.602 .357
-1.686 .095
.331 .070
.369 4.699
.000 .334
.073 .300
4.573 .000
.239 .043
.334 5.509
.000 -.660
.055 -.721
-11.909 .000
.430 .054
.652 7.949
.000 Constant
Reliability Responsiveness
Assurance Empathy
Tangible Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: P.Keputusan Konsumen a.
Sumber: Hasil olahan SPSS 12.00 for windows, 2010
Tabel 4.19 menunjukkan nilai signifikan Reliability 0,000, Responsiveness 0,000, Assurance 0,000, Empathy 0,000, Tangible 0,000 0,05 maka
terjadi masalah heteroskedastisitas.
d. Uji Autokorelasi
Uji ini bertujuan untuk menguji apakah di dalam model terjadi korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada
periode t-1 sebelumnya. Dasar pengambilan keputusan dalam uji ini yaitu du DW 4-du. Tresnati, 2007:64.
Tabel 4.20 Autokorelasi
Model Summary
b
.988
a
.977 .976
.22218 1.768
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, Tangible, Assurance, Responsiveness, Empathy, Reliability
a. Dependent Variable: P.Keputusan Konsumen
b.
Sumber: Hasil olahan SPSS 12.00 for windows, 2010
Universitas Sumatera Utara
Tabel 4.20 diperoleh DW hitung 1,768 dengan menggunakan nilai signifikansi α = 5 jumlah sampel n 94 dan jumlah variabel independent K = 5 maka
dari tabel Durbin-Watson diperoleh dl = 1,47 dan du = 1,67. Karena du DW 4-du 1,67 1,768 4-1,67 jadi diperoleh nilai 1,67 1,768 2,33 dengan
demikian maka tidak terdapat masalah autokorelasi.
3. Metode Analisis Regresi Berganda
Metode analisis regresi berganda digunakan untuk melihat bagaimana pengaruh variabel kualitas layanan reliability, responsiveness, assurance,
empathy dan tangibles terhadap variabel pengambilan keputusan konsumen.
Tabel 4.21 Regresi Berganda
Model Unstandardized
Coefficients B
Std. Error 1
Constant -.895
.302 Reliability
.425 .062
Responsiveness .339
.061 Assurance
.177 .040
Empathy -.745
.053 Tangible
.483 .049
a Dependent Variable: P.Keputusan Konsumen Sumber: Hasil olahan SPSS 12.00 for windows, 2010
Persamaan regresi linear berganda adalah : Y = a + b1X
1
+ b2X
2
+ b3X
3
+ b4X
4
+ b5X
5
+ e Y = -0,895 + 0,425 X
1
+ 0,339 X
2
+ 0,177 X
3
– 0,745 X
4
+ 0,483 X
5
Di mana : a.
Konstanta sebesar -0,895 mempunyai arti jika ada atau terjadi reliability, responsiveness, assurance, empathy dan tangibles, maka pengambilan
keputusan konsumen akan sebesar -0,895.
Universitas Sumatera Utara
b. Koefisien regresi reliability sebesar 0,425 mempunyai arti bahwa setiap terjadi
penambahan reliability sebesar 0,425 maka pengambilan keputusan konsumen akan meningkat sebesar 1 kali.
c. Koefisien regresi responsiveness sebesar 0,339 mempunyai arti bahwa setiap
penambahan responsiveness sebesar 0,339 maka pengambilan keputusan konsumen akan meningkat sebesar 1 kali.
d. Koefisien regresi assurance sebesar 0,177 mempunyai arti bahwa setiap
penambahan assurance sebasar 0,177 maka pengambilan keputusan konsumen akan meningkat sebesar 1 kali.
e. Koefisien regresi empathy sebesar -0,745 mempunyai arti bahwa setiap
pengurangan empathy sebesar -0,745 maka pengambilan keputusan konsumen akan meningkat sebesar 1 kali.
f. Koefisien regresi tangibles sebesar 0,483 mempunyai arti bahwa setiap
penambahan tangibles sebesar 0,483 maka pengambilan keputusan konsumen akan meningkat sebesar 1 kali.
Ada tiga 3 jenis kriteria ketepatan dalam analisis regresi berganda yaitu :
1. Pengujian Determinansi R²