STUDI TENTANG KINERJA FRANCHISEE PADA PERUSAHAAN FRANCHISE BISNIS RETAIL Studi pada Indomaret dan Alfamart di Kota Jepara - Diponegoro University | Institutional Repository (UNDIP-IR)

BAB IV

HASIL ANALISIS DAN PEMBAHASAN

4.1 Gambaran Umum Responden

Pada bagian ini akan dijelaskan mengenai data-data deskriptif yang diperoleh dari responden. Data deskriptif penelitian disajikan agar dapat dilihat profil dari data penelitian dan hubungan yang ada antar variabel yang digunakan dalam penelitian (Hair et al, 1995). Data deskriptif yang menggambarkan keadaan atau kondisi responden perlu diperhatikan sebagai informasi tambahan untuk memahami hasil-hasil penelitian. Responden dalam penelitian ini adalah pemilik perusahaan franchise yang bergerak dalam bisnis retail untuk merek Alfamart dan Indomaret di kota Jepara jumlahnya 72 responden.

4.2. Pengujian Validitas dan Reliabilitas Instrumen 4.2.1 Uji Validitas

Pengujian validitas dilakukan dengan menggunakan metode Analisis Faktor. Perhitungan dilakukan dengan bantuan program SPSS. Nilai loading factor yang berada di atas 0,197 menunjukkan sebagai item yang valid.. Nilai loading factor yang lebih besar dari 0,197 juga menunjukkan ekstraksi yang baik dalam membentuk suatu factor. Pengujian validitas selengkapnya dapat dilihat pada Tabel 4.1 berikut ini.

Tabel 4.1

Hasil Pengujian Validitas

VARIABEL / INDIKATOR Loading Factor Cut Off KETERANGAN Kualitas Hubungan Franchisee dengan

Franchisor 0,197

- Indikator 1 0,902 Valid

- Indikator 2 0,828 Valid

- Indikator 3 0,832 Valid

Keintiman hubungan 0.197

- Indikator 1 0,791 Valid

- Indikator 2 0,802 Valid

- Indikator 3 0,838 Valid

- Indikator 4 0,857 Valid

Kecepatan Akses 0.197

- Indikator 1 0,848 Valid

- Indikator 2 0,875 Valid

- Indikator 3 0,881 Valid

Kinerja Franchisee 0.197

- Indikator 1 0,844 Valid

- Indikator 2 0,896 Valid

- Indikator 3 0,835 Valid

- Indikator 4 0,843 Valid

- Indikator 5 0,781 Valid

Sumber : Data primer yang diolah

Tabel 4.1 menunjukkan bahwa semua indikator yang digunakan untuk mengukur variabel-variabel yang digunakan dalam penelitian ini mempunyai nilai loading factor yang lebih besar dari 0,197. Dari hasil tersebut menunjukkan bahwa semua indikator tersebut adalah valid.

Uji reliabilitas digunakan untuk menguji sejauh mana keandalan suatu alat pengukur untuk dapat digunakan lagi untuk penelitian yang sama. Pengujian reliabilitas dalam penelitian ini adalah dengan menggunakan rumus Cronbach Alpha. Pengujian reliabilitas selengkapnya dapat dilihat pada tabel berikut ini.

Tabel 4.2

Hasil Pengujian Reliabilitas

VARIABEL / INDIKATOR r HITUNG KETERANGAN Kualitas Hubungan Franchisee dengan

Franchisor 0,907 Reliabel

Keintiman hubungan 0,900 Reliabel

Kecepatan Akses 0,918 Reliabel

Kinerja Franchisee 0,930 Reliabel

Sumber : Data primer yang diolah

Hasil pengujian reliabilitas konstruk variabel manfaat yang dirasakan, hubungan pelanggan, dan kepuasan siswa yang digunakan dalam penelitian ini diperoleh nilai Alpha yang lebih besar dari 0,60. Hal ini berarti bahwa konstruk variable-variabel tersebut adalah reliabel.

4.3. Hasil Uji Asumsi Klasik

Sampel hasil perhitungan rata-rata rasio keuangan selama tiga tahun, maka sebelum dilakukan pengujian hipotesis yang diajukan dalam penelitian ini perlu dilakukan pengujian asumsi klasik terlebih dahulu yang meliputi: normalitas data, multikolinearitas, dan heteroskedastisitas yang dilakukan sebagai berikut:

1. Normalitas Data

Untuk menentukan data dengan uji Kolmogorov-Smirnov, nilai signifikansi harus diatas 0,05 (Imam Ghozali, 2005) Pengujian terhadap normalitas dengan

menggunakan uji Kolmogorov Smirnov menunjukkan titik-titik yang mendekati garis diagonal, hal ini berarti data yang ada terdistribusi normal.

Tabel 4.3:

Hasil Pengujian Normalitas

3 2

1 0

-1 -2

-3

Regression Standardized Residual 20

15

10

5

0

F

re

q

u

en

cy

Mean = -6.04E-16 Std. Dev. = 0.978 N = 69

Dependent Variable: Y Histogram

1.0 0.8

0.6 0.4

0.2 0.0

Observed Cum Prob 1.0

0.8

0.6

0.4

0.2

0.0

E

xp

ec

te

d

C

u

m

P

ro

b

Dependent Variable: Y

Normal P-P Plot of Regression Standardized Residual

Sumber: Output SPSS

2. Hasil Uji Multikolinearitas

Untuk mendeteksi ada tidaknya gejala multikolinearitas antar variabel independen digunakan variance inflation factor (VIF). Sampel hasil yang ditunjukkan dalam output SPSS maka besarnya VIF dari masing-masing variabel independen dapat dilihat pada Tabel 4.4 sebagai berikut:

Tabel 4.4

Hasil Perhitungan VIF Coefficientsa

,685 1,460 ,707 1,415 ,525 1,905 X1

X2 X3 Model

1 Tolerance VIF

Collinearity Statistics

Dependent Variable: Y a.

Sumber: Output SPSS 11.5; Coefficients diolah

Sampel Tabel 4.4 menunjukkan bahwa ketiga variabel independen tidak terjadi multikolinearitas karena nilai VIF < 10.

3. Heteroskedastisitas

Uji Glejser test digunakan untuk mendeteksi ada tidaknya heteroskedastisitas. Glejser menyarankan untuk meregresi nilai absolut dari ei terhadap variabel X (variabel bebas) yang diperkirakan mempunyai hubungan yang erat dengan δi2 dengan menggunakan rumus perhitungan sebagai berikut: (Ghozali, 2004)

[ei] = β1 Xi+ vI

dimana:

[ei] merupakan penyimpangan residual; dan Xi merupakan

variabel bebas.

Hasil uji heteroskedastisitas dapat ditunjukkan dalam Tabel 4.5 sebagai berikut:

Tabel 4.5

Hasil Uji Heteroskedastisitas

2 1

0 -1

-2

Regression Standardized Predicted Value 3

2

1

0

-1

-2

-3

R

eg

re

ss

io

n

S

tu

d

en

ti

ze

d

R

es

id

u

al

Dependent Variable: Y Scatterplot

Sumber: Output SPSS 11.5; Coefficients diolah

Berdasar hasil yang ditunjukkan dalam Tabel 4.5 tersebut nampak bahwa titik-titik scatterplot menyebar (heterogen), yang menunjukkan bahwa semua variabel bebas menunjukkan hasil yang tidak signifikan, sehingga dapat disimpulkan bahwa semua variabel bebas tersebut tidak terjadi heteroskedastisitas dalam varian kesalahan.

4.4. Analisis Regresi dan Pengujian Hipotesis 4.4.1. Pengujian Secara Serentak (Overall)

Hasil pengujian uji F yang menguji model yang memiliki estimasi F sebesar 32,495 dengan signifikansi 0,000. Hal ini mengindikasikan bahwa model layak untuk diteliti (goodness of fit).

ANOVAb

34,995 3 11,665 32,495 ,000a

23,333 65 ,359

58,328 68

Regression Residual Total Model 1

Sum of

Squares df Mean Square F Sig.

Predictors: (Constant), X3, X2, X1 a.

Dependent Variable: Y b.

4.4.2. Koefisien Determinasi

Koefisien determinasi merupakan penunjuk mengenai besarnya pengaruh variabel bebas terhadap variabel terikatnya. Nilai koefisien determinasi ditunjukkan dengan nilai R2_{. Hasil penelitian ini memberikan hasil} nilai R2 _{sebesar 0,582. Hal ini mengindikasikan bahwa 58,2% kinerja franchisee} dapat dijelaskan oleh kualitas hubungan franchisee dengan franchisor, kualitas dukungan dranchisor kepada franchisee, dan kecepatan akses, sedangkan selebihnya 42,8% kinerja franchisee dipengaruhi oleh variabel lainnya yang tidak termasuk dalam model ini.

Model Summaryb

,775a _{,600 ,582 ,59914}

Model 1

R R Square

Adjusted R Square

Std. Error of the Estimate Predictors: (Constant), X3, X2, X1

a.

Dependent Variable: Y b.

4.4.3. Analisis Regresi

Berdasarkan perhitungan regresi berganda antara kualitas hubungan franchisee dengan franchisor, kualitas dukungan dranchisor kepada franchisee, dan kecepatan akses, terhadap kinerja franchisee dengan menggunakan program SPSS dalam proses perhitungannya dapat diperoleh hasil sebagai berikut:

Tabel 4.6

Ringkasan Hasil Perhitungan Regresi Linear Berganda

Coefficientsa

,742 ,642 1,157 ,252

,317 ,107 ,280 2,951 ,004

,364 ,103 ,330 3,533 ,001

,425 ,130 ,353 3,264 ,002

(Constant) X1 X2 X3 Model 1

B Std. Error Unstandardized

Coefficients

Beta Standardized

Coefficients

t Sig.

Dependent Variable: Y a.

Sumber : Lampiran

Hasil tersebut dapat disajikan dalam persamaan regresi linier bentuk standardized sebagai berikut :

Kinerja Franchisee = 0,280 Kualitas hubungan franchisee dengan franchisor + 0,330 Keintiman hubungan + 0,353 Kecepatan Akses

Hasil persamaan regresi berganda tersebut diatas menunjukkan bahwa koefisien variabel kualitas hubungan franchisee dengan franchisor, keintiman hubungan, dan kecepatan akses bertanda positif. Hal memberikan arti bahwa

kualitas hubungan franchisee dengan franchisor, keintiman hubungan, dan kecepatan akses yang meningkat, maka kinerja franchisee akan semakin besar.

Namun demikian untuk menguji kemaknaan pengaruh dari masing-masing variable bebas tersebut dapat diuji sebagai berikut :

1. Uji Hipotesis pengaruh kualitas hubungan franchisee dengan franchisor, terhadap Kinerja Franchisee

Dari hasil perhitungan yang diperoleh dari t hitung variabel kualitas hubungan franchisee dengan franchisor terhadap kinerja franchisee adalah sebesar 2,951 dan dengan signifikansi sebesar 0,004. Nilai signifikansi t = 0,004 < 0,05, menandakan bahwa kualitas hubungan franchisee dengan franchisor mempunyai pengaruh terhadap kinerja franchisee. Dengan demikian dapat disimpulkan bahwa H1 diterima.

2. Uji Hipotesis pengaruh keintiman hubunganterhadap Kinerja Franchisee

Dari hasil perhitungan yang diperoleh dari t hitung variabel klualitas dukungan franchisor kepada franchisee terhadap kinerja franchisee adalah sebesar 2,533 dan dengan signifikansi sebesar 0,001. Nilai signifikansi t = 0,001 < 0,05, menandakan bahwa keintiman hubungan mempunyai pengaruh terhadap kinerja franchisee. Dengan demikian dapat disimpulkan bahwa H2 diterima.

3. Uji Hipotesis pengaruh Kecepatan Akses terhadap Kinerja Franchisee

Dari hasil perhitungan yang diperoleh dari t hitung variabel kecepetan akses terhadap kinerja franchisee adalah sebesar 3,264 dan dengan signifikansi sebesar 0,002. Nilai signifikansi t = 0,002 < 0,05, menandakan bahwa kecepatan

akses mempunyai pengaruh terhadap kinerja franchisee. Dengan demikian dapat disimpulkan bahwa H3 diterima.

BAB V

SIMPULAN DAN IMPLIKASI KEBIJAKAN

5.1. Simpulan

Berdasarkan hipotesis dua mengindikasikan bahwa kualitas hubungan franchisor dengan franchisee berpengaruh positif terhadap kinerja franchisee, hal ini mengindikasikan bahwa suatu hal yang penting mengukur kualitas hubungan antara franchisor dengan franchisee untuk menetapkan kekuatan hubungan ini dan untuk menjelaskan bahwa bukan hanya dalam network partner tapi dalam kinerja franchisee.

Berdasarkan hasil pengujian hipotesis satu menunjukkan bahwa kualitas dukungan franchisee kepada franchisor mempunyai pengaruh yang positif terhadap kinerja franchisee, hal ini mengindikasikan bahwa improvisasi perusahaan dapat dinyatakan dalam hubungan franchisor dan franchiseenya dalam jangka panjang untuk membentuk jaringan yang kuat. Maka apabila ada peningkatan kualitas manajemen akan disertai peningkatan kinerja franchisee.

Secara umum dapat disimpulkan bahwa manajer franchise perlu mempertahankan kualitas dukungan franchisee kepada franchisor, kualitas hubungan franchisor dengan franchisee dan kecepatan akses yang sudah baik agar kinerja franchisee menjadi lebih baik lagi. Hal tersebut dapat dilakukan melalui promosi baik above the line (ATL) maupun below the line (BTL) dalam meningkatkan kinerja franchisee.

5.2. Kesimpulan Atas Masalah Penelitian

Tujuan dari penelitian adalah mencari jawaban atas masalah penelitian yang diajukan dalam penelitian ini adalah: “bagaimana meningkatkan kinerja franchisee?”. Hasil dari penelitian ini membuktikan dan memberi kesimpulan untuk menjawab masalah penelitian secara singkat menghasilkan tiga (3) proses dasar untuk meningkatkan kinerja franchisee antara lain yaitu:

Pertama, untuk mendapatkan kinerja franchisee adalah meningkatkan kualitas hubungan franchisor dengan franchisee. Kinerja franchisee tidak akan pernah tercapai apabila tidak didukung adanya kualitas hubungan franchisor dengan franchisee yang baik. Proses pencapaian kinerja franchisee tersaji dalam Gambar 5.1 sebagai berikut:

Gambar 5.1:

Peningkatan Kinerja Franchisee-Proses 1

Sumber: Data primer diolah, (2012)

Kedua, untuk meningkatkan kinerja franchisee adalah meningkatkan kualitas dukungan franchisee kepada franchisor. Kinerja franchisee tidak akan pernah tercapai apabila tidak didukung adanya kualitas dukungan franchisee kepada franchisor yang baik. Proses pencapaian kinerja franchisee tersaji dalam Gambar 5.2 sebagai berikut:

kualitas hubungan franchisor dengan franchisee

Kinerja Franchisee

Gambar 5.2:

Peningkatan Kinerja Franchisee-Proses 2

Sumber: Data primer diolah, (2012)

Ketiga, untuk meningkatkan kinerja franchisee adalah meningkatkan kecepatan akses. Kinerja franchisee tidak akan pernah tercapai apabila tidak didukung adanya kecepatan akses yang baik. Proses pencapaian kinerja franchisee tersaji dalam Gambar 5.3 sebagai berikut:

Gambar 5.3:

Peningkatan Kinerja Franchisee-Proses 3

Sumber: Data primer diolah, (2012)

5.3. Implikasi Kebijakan

Dalam bisnis franchisee, untuk meningkatkan kinerja franchisee perlu lebih memperhatikan kualitas dukungan franchisee kepada franchisor, karena mempunyai

Keintiman Hubungan

Kinerja Franchisee

Kecepatan akses

Kinerja Franchisee

franchisee, dukungan franchisee kepada franchisor merupakan alasan utama untuk menjalankan bisnis franchise karena bisnis franchise merupakan suatu investasi yang lebih lama dan merupakan aktiva tidak berwujud yang mempunyai ekuitas yang tinggi sehingga dukungan franchisee tetap perlu dijaga melalui: pengelolaan merek terbaik dalam menghantarkan manfaat sesuai keinginan konsumen, merek masih relevan, merek membuat kekuatan yang penuh dalam kegiatan pemasaran, merek memberikan dukungan yang berkelanjutan. Implikasi kebijakan yang disarankan dalam penelitian ini adalah sebagai berikut:

No Variabel Implikasi Kebijakan

1 Kualitas Hubungan

franchisor kepada

franchisee

Tanggung jawab dari manajemen akan meningkatkan motivasi dari kewirausaan akan bisnis franchise

Display barang yang menarik menentukan kesuksesan dari bisnis franchise

Bekerja dengan enjoy mampu menekan presure dan dapat bekerja dengan tanpa beban

Dengan kerja lembur mampu menambah penghasilan dan meningkatkan kinerja franchise 2 Keintiman Hubungan Reputasi yang baik akan meningkatkan

keuntungan

Rasa bangga yang dimiliki mampu meningkatkan komitmennya

No Variabel Implikasi Kebijakan

Kepedulian akan nasib perusahaan mampu meningkatkan komitmennya

Kekompakan dengan rasa kekeluargaan mampu meningkatkan hubungan franchise

Dengan target yang selalu tercapai akan meningkatkan kinerja penjualan

Dengan tingkat keuntungan yang selalu meningkat akan meningkatkan kinerja penjualannya

Dukungan dari karyawan sangat berpotensi dalam keberhasilan bisnis franchise

3 Kecepatan Akses Penyediaan areal parkir yang luas untuk fleksibilitas pelanggan

Disediakannya petunjuk lokasi franchise pada jarak 100 m

Pemasangan above the line pada sudut-sudut kota

5.5. Keterbatasan Penelitian

Penelitian ini dilakukan dengan beberapa keterbatasan dan kelemahan sebagai berikut : Alat analisis belum memberikan kontribusi yang sempurna. Variabel yang digunakan, hanya memberikan kontribusi sebesar 58,2%. Berarti sangat mungkin masih ada variabel lain yang juga mempengaruhi kinerja franchisee.

ditemukan agar dapat dijadikan sumber ide dan masukan bagi pengembangan penelitian ini dimasa yang akan datang, maka perluasan yang disarankan dari penelitian ini antara lain adalah: menambah variabel independen yang mempengaruhi kinerja franchisee. Variabel yang disarankan adalah: motivasi entrepreneurship, kualitas pramuniaga dan sebagainya. Selain itu indikator penelitian yang digunakan dalam penelitian ini hendaknya diperinci untuk dapat menggambarkan bagaimana strategi yang dijalankan dan target yang ditetapkan perusahaan dalam meningkatkan kinerja franchisee.

DAFTAR REFERENSI

Achua, Christoper F.and Robert N.Lussier.2001. Small-town Merchants are not using the Recommended Strategies to Compete Agains National Discount Chains : A Perspective Vs. Descriptive Study.

www.usasbe.org/knowledge/proceedings/

Beatriz Minguela-Rata, Jose Ingnacio Lopez Sanchez, dan M Concepcion Rodriguez-Benavides, (2010), “Knowledge tranfer mechanism and the performance of franchise system: an empirical study,” African Journal of Bussiness Management

Ellis, Brien and Scott W.Kelly.1993. Competitive Advantage in Retailing.

International Journal of Retail, Distribution and Consumer Research, 3(3),381-96.

Ferdinand, Augusty T, 2000, “Manajemen Pemasaran Sebuah Pendekatan Strategik”, Research Paper Series, Program Magister Manajemen, Universitas Diponegoro, Semarang

Hadfield, Gillian K, (2010), “Problematic relations: franchising and the law of incomplete contacts,” Stanford Law Review

Hair, J.F.,Jr.,R.E. Anderson, R.L., Tatham & W.C. Black, (2010), Multivariate Data Analysis With Readings, Englewood Cliffs, NJ: Prentice Hall.

Hui-Heng Chen, dan Terry Gatfield, (2010), “The effect of expertise of service provider, relational benefit on loyalty: An empirical study of hairstyle franchise system,” Fortune Institute of Technology Taiwan

Hui-Heng Chen, (2010),” The development of international franchise network,”

Fortune Institute of Technology Taiwan

Hummel, John W. and Ronald Savitt.1998. Integrated Customer Service and Retail Strategy. International Journal of Retailing. 3(2), 5-21.

Mees, Paul, (2010), “Franchising and performance based contracts: lessons from public transport in Melbourne,” Faculty of Architecture Building and Planning University of Melbourne

Olu Ojo, dan I A Irefin, (2008), “Franchising and organizational performance: empirical investigation of selected fast food restaurants in Nigeria,”

Bussiness Intelligence Journal

Soo Bum Lee, (1999), “An investigation of factors affecting the quality of the relationship between Franchisee and franchisor and its impact on franchisee’s performance, satisfaction, and commitment: A study of the restaurant franchise system,” Dissertation Submitted to the Faculty of The Virginia Polytechnic Institute and State University

Swinney, John; dan Bruce Couch, (2010), “Sales Performance Improvement getting results through a franchise sales organization,” Sales Training Specialist Bandag

Frequencies

Frequency Table

x1.1

1 1,4 1,4 1,4

10 14,5 14,5 15,9

17 24,6 24,6 40,6

25 36,2 36,2 76,8

16 23,2 23,2 100,0

69 100,0 100,0

3,00 4,00 5,00 6,00 7,00 Total Valid

Frequency Percent Valid Percent

Cumulative Percent

x1.2

2 2,9 2,9 2,9

12 17,4 17,4 20,3

21 30,4 30,4 50,7

33 47,8 47,8 98,6

1 1,4 1,4 100,0

69 100,0 100,0

3,00 4,00 5,00 6,00 7,00 Total Valid

Frequency Percent Valid Percent

Cumulative Percent

x1.3

1 1,4 1,4 1,4

5 7,2 7,2 8,7

22 31,9 31,9 40,6

25 36,2 36,2 76,8

16 23,2 23,2 100,0

69 100,0 100,0

3,00 4,00 5,00 6,00 7,00 Total Valid

Frequency Percent Valid Percent

Cumulative Percent

x2.1

9 13,0 13,0 13,0

15 21,7 21,7 34,8

30 43,5 43,5 78,3

15 21,7 21,7 100,0

69 100,0 100,0

4,00 5,00 6,00 7,00 Total Valid

Frequency Percent Valid Percent

Cumulative Percent

x2.2

3 4,3 4,3 4,3

10 14,5 14,5 18,8

22 31,9 31,9 50,7

22 31,9 31,9 82,6

12 17,4 17,4 100,0

69 100,0 100,0

3,00 4,00 5,00 6,00 7,00 Total Valid

Frequency Percent Valid Percent

Cumulative Percent

x2.3

2 2,9 2,9 2,9

19 27,5 27,5 30,4

15 21,7 21,7 52,2

19 27,5 27,5 79,7

14 20,3 20,3 100,0

69 100,0 100,0

3,00 4,00 5,00 6,00 7,00 Total Valid

Frequency Percent Valid Percent

Cumulative Percent

x2.4

4 5,8 5,8 5,8

30 43,5 43,5 49,3

20 29,0 29,0 78,3

15 21,7 21,7 100,0

69 100,0 100,0

4,00 5,00 6,00 7,00 Total Valid

Frequency Percent Valid Percent

Cumulative Percent

x3.1

3 4,3 4,3 4,3

23 33,3 33,3 37,7

24 34,8 34,8 72,5

19 27,5 27,5 100,0

69 100,0 100,0

4,00 5,00 6,00 7,00 Total

Valid Frequency Percent Valid Percent

Cumulative Percent

x3.2

2 2,9 2,9 2,9

18 26,1 26,1 29,0

23 33,3 33,3 62,3

26 37,7 37,7 100,0

69 100,0 100,0

4,00 5,00 6,00 7,00 Total

Valid Frequency Percent Valid Percent

Cumulative Percent

x3.3

5 7,2 7,2 7,2

21 30,4 30,4 37,7

25 36,2 36,2 73,9

18 26,1 26,1 100,0

69 100,0 100,0

4,00 5,00 6,00 7,00 Total Valid

Frequency Percent Valid Percent

Cumulative Percent

y1

10 14,5 14,5 14,5

25 36,2 36,2 50,7

17 24,6 24,6 75,4

17 24,6 24,6 100,0

69 100,0 100,0

4,00 5,00 6,00 7,00 Total Valid

Frequency Percent Valid Percent

Cumulative Percent

y2

1 1,4 1,4 1,4

15 21,7 21,7 23,2

20 29,0 29,0 52,2

18 26,1 26,1 78,3

15 21,7 21,7 100,0

69 100,0 100,0

3,00 4,00 5,00 6,00 7,00 Total Valid

Frequency Percent Valid Percent

Cumulative Percent

y3

1 1,4 1,4 1,4

14 20,3 20,3 21,7

19 27,5 27,5 49,3

16 23,2 23,2 72,5

19 27,5 27,5 100,0

69 100,0 100,0

3,00 4,00 5,00 6,00 7,00 Total Valid

Frequency Percent Valid Percent

Cumulative Percent

y4

1 1,4 1,4 1,4

16 23,2 23,2 24,6

14 20,3 20,3 44,9

23 33,3 33,3 78,3

15 21,7 21,7 100,0

69 100,0 100,0

3,00 4,00 5,00 6,00 7,00 Total Valid

Frequency Percent Valid Percent

Cumulative Percent

y5

1 1,4 1,4 1,4

1 1,4 1,4 2,9

9 13,0 13,0 15,9

19 27,5 27,5 43,5

22 31,9 31,9 75,4

17 24,6 24,6 100,0

69 100,0 100,0

2,00 3,00 4,00 5,00 6,00 7,00 Total Valid

Frequency Percent Valid Percent

Cumulative Percent

Reliability

Case Processing Summary

69 100,0

0 ,0

69 100,0

Valid Excludeda

Total

Cases N %

Listwise deletion based on all variables in the procedure. a.

Reliability Statistics

,907 3

Cronbach's

Alpha N of Items

Reliability

Case Processing Summary

69 100,0

0 ,0

69 100,0

Valid Excludeda

Total Cases

N %

Listwise deletion based on all variables in the procedure. a.

Reliability Statistics

,900 4

Cronbach's

Alpha N of Items

Reliability

Case Processing Summary

69 100,0

0 ,0

69 100,0

Valid Excludeda

Total Cases

N %

Listwise deletion based on all variables in the procedure. a.

Reliability Statistics

,918 3

Cronbach's

Alpha N of Items

Reliability

Case Processing Summary

69 100,0

0 ,0

69 100,0

Valid Excludeda

Total Cases

N %

Listwise deletion based on all variables in the procedure. a.

Reliability Statistics

,930 5

Cronbach's

Correlations

1 ,658** ,628** ,902**

,000 ,000 ,000

69 69 69 69

,658** 1 ,499** ,828**

,000 ,000 ,000

69 69 69 69

,628** ,499** 1 ,832**

,000 ,000 ,000

69 69 69 69

,902** ,828** ,832** 1

,000 ,000 ,000

69 69 69 69

Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N x1.1 x1.2 x1.3 X1

x1.1 x1.2 x1.3 X1

Correlation is significant at the 0.01 level (2-tailed). **.

Correlations

Correlations

1 ,501** ,465** ,700** ,791**

,000 ,000 ,000 ,000

69 69 69 69 69

,501** 1 ,576** ,524** ,802**

,000 ,000 ,000 ,000

69 69 69 69 69

,465** ,576** 1 ,651** ,838**

,000 ,000 ,000 ,000

69 69 69 69 69

,700** ,524** ,651** 1 ,857**

,000 ,000 ,000 ,000

69 69 69 69 69

,791** ,802** ,838** ,857** 1

,000 ,000 ,000 ,000

69 69 69 69 69

Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N x2.1 x2.2 x2.3 x2.4 X2

x2.1 x2.2 x2.3 x2.4 X2

Correlation is significant at the 0.01 level (2-tailed). **.

Correlations

1 ,605** ,607** ,848**

,000 ,000 ,000

69 69 69 69

,605** 1 ,679** ,875**

,000 ,000 ,000

69 69 69 69

,607** ,679** 1 ,881**

,000 ,000 ,000

69 69 69 69

,848** ,875** ,881** 1

,000 ,000 ,000

69 69 69 69

Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N x3.1 x3.2 x3.3 X3

x3.1 x3.2 x3.3 X3

Correlation is significant at the 0.01 level (2-tailed). **.

Correlations

Correlations

1 ,752** ,598** ,595** ,628** ,844**

,000 ,000 ,000 ,000 ,000

69 69 69 69 69 69

,752** 1 ,708** ,657** ,651** ,896**

,000 ,000 ,000 ,000 ,000

69 69 69 69 69 69

,598** ,708** 1 ,731** ,454** ,835**

,000 ,000 ,000 ,000 ,000

69 69 69 69 69 69

,595** ,657** ,731** 1 ,544** ,843**

,000 ,000 ,000 ,000 ,000

69 69 69 69 69 69

,628** ,651** ,454** ,544** 1 ,781**

,000 ,000 ,000 ,000 ,000

69 69 69 69 69 69

,844** ,896** ,835** ,843** ,781** 1

,000 ,000 ,000 ,000 ,000

69 69 69 69 69 69

Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N y1 y2 y3 y4 y5 Y

y1 y2 y3 y4 y5 Y

Correlation is significant at the 0.01 level (2-tailed). **.

Variables Entered/Removedb

X3, X2, X1a _{. Enter}

Model 1 Variables Entered Variables Removed Method All requested variables entered.

a.

Dependent Variable: Y b. Coefficientsa ,685 1,460 ,707 1,415 ,525 1,905 X1 X2 X3 Model 1 Tolerance VIF Collinearity Statistics

Dependent Variable: Y a.

Collinearity Diagnosticsa

3,969 1,000 ,00 ,00 ,00 ,00

,016 15,966 ,00 ,42 ,54 ,00

,009 20,452 ,99 ,17 ,13 ,06

,006 25,078 ,00 ,41 ,33 ,94

Dimension 1 2 3 4 Model 1 Eigenvalue Condition

Index (Constant) X1 X2 X3

Variance Proportions

Dependent Variable: Y a.

Regression

Variables Entered/Removedb

X3, X2, X1a _{. Enter}

Model 1 Variables Entered Variables Removed Method All requested variables entered.

a.

Dependent Variable: Y b.

Model Summaryb

,775a _{,600 ,582 ,59914}

Model 1

R R Square

Adjusted R Square

Std. Error of the Estimate Predictors: (Constant), X3, X2, X1

a.

Dependent Variable: Y b.

ANOVAb

34,995 3 11,665 32,495 ,000a

23,333 65 ,359

58,328 68 Regression Residual Total Model 1 Sum of

Squares df Mean Square F Sig.

Predictors: (Constant), X3, X2, X1 a.

Dependent Variable: Y b.

Coefficientsa

,742 ,642 1,157 ,252

,317 ,107 ,280 2,951 ,004

,364 ,103 ,330 3,533 ,001

,425 ,130 ,353 3,264 ,002

(Constant) X1 X2 X3 Model 1

B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig.

Dependent Variable: Y a.

Residuals Statisticsa

4,2047 6,8875 5,5420 ,71738 69

-1,864 1,876 ,000 1,000 69

,081 ,250 ,140 ,036 69

4,2926 6,8942 5,5447 ,71726 69

-1,38198 1,58133 ,00000 ,58578 69

-2,307 2,639 ,000 ,978 69

-2,384 2,674 -,002 1,012 69

-1,47677 1,62256 -,00268 ,62762 69

-2,477 2,812 ,000 1,027 69

,267 10,854 2,957 2,111 69

,000 ,118 ,018 ,028 69

,004 ,160 ,043 ,031 69

Predicted Value Std. Predicted Value Standard Error of Predicted Value

Adjusted Predicted Value Residual

Std. Residual Stud. Residual Deleted Residual Stud. Deleted Residual Mahal. Distance Cook's Distance

Centered Leverage Value

Minimum Maximum Mean Std. Deviation N

Dependent Variable: Y a.

One-Sample Kolmogorov-Smirnov Test

69 ,0000000 ,58577774 ,069 ,069 -,051 ,573 ,898 N

Mean

Std. Deviation Normal Parametersa,b

Absolute Positive Negative Most Extreme

Differences

Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)

Unstandardiz ed Residual

Test distribution is Normal. a.

Calculated from data. b.

2 1

0 -1

-2

Regression Standardized Predicted Value 3

2

1

0

-1

-2

-3

R

e

g

re

ss

io

n

S

tu

d

e

n

ti

ze

d

R

es

id

u

al

Dependent Variable: Y Scatterplot

Correlations

1 ,658** ,628** ,902**

,000 ,000 ,000

69 69 69 69

,658** 1 ,499** ,828**

,000 ,000 ,000

69 69 69 69

,628** ,499** 1 ,832**

,000 ,000 ,000

69 69 69 69

,902** ,828** ,832** 1

,000 ,000 ,000

69 69 69 69

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

x1.1

x1.2

x1.3

X1

x1.1 x1.2 x1.3 X1

Correlation is significant at the 0.01 level (2-tailed). **.

Correlations

Correlations

1 ,501** ,465** ,700** ,791**

,000 ,000 ,000 ,000

69 69 69 69 69

,501** 1 ,576** ,524** ,802**

,000 ,000 ,000 ,000

69 69 69 69 69

,465** ,576** 1 ,651** ,838**

,000 ,000 ,000 ,000

69 69 69 69 69

,700** ,524** ,651** 1 ,857**

,000 ,000 ,000 ,000

69 69 69 69 69

,791** ,802** ,838** ,857** 1

,000 ,000 ,000 ,000

69 69 69 69 69

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

x2.1

x2.2

x2.3

x2.4

X2

x2.1 x2.2 x2.3 x2.4 X2

Correlation is significant at the 0.01 level (2-tailed). **.

Correlations

1 ,605** ,607** ,848**

,000 ,000 ,000

69 69 69 69

,605** 1 ,679** ,875**

,000 ,000 ,000

69 69 69 69

,607** ,679** 1 ,881**

,000 ,000 ,000

69 69 69 69

,848** ,875** ,881** 1

,000 ,000 ,000

69 69 69 69

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

x3.1

x3.2

x3.3

X3

x3.1 x3.2 x3.3 X3

Correlation is significant at the 0.01 level (2-tailed). **.

Correlations

Correlations

1 ,752** ,598** ,595** ,628** ,844**

,000 ,000 ,000 ,000 ,000

69 69 69 69 69 69

,752** 1 ,708** ,657** ,651** ,896**

,000 ,000 ,000 ,000 ,000

69 69 69 69 69 69

,598** ,708** 1 ,731** ,454** ,835**

,000 ,000 ,000 ,000 ,000

69 69 69 69 69 69

,595** ,657** ,731** 1 ,544** ,843**

,000 ,000 ,000 ,000 ,000

69 69 69 69 69 69

,628** ,651** ,454** ,544** 1 ,781**

,000 ,000 ,000 ,000 ,000

69 69 69 69 69 69

,844** ,896** ,835** ,843** ,781** 1

,000 ,000 ,000 ,000 ,000

69 69 69 69 69 69

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

y1

y2

y3

y4

y5

Y

y1 y2 y3 y4 y5 Y

Correlation is significant at the 0.01 level (2-tailed). **.

Variables Entered/Removedb

X3, X2, X1a _{. Enter}

Model 1

Variables Entered

Variables

Removed Method All requested variables entered.

a.

Dependent Variable: Y b.

Coefficientsa

,685 1,460

,707 1,415

,525 1,905

X1 X2 X3 Model 1

Tolerance VIF

Collinearity Statistics

Dependent Variable: Y a.

Collinearity Diagnosticsa

3,969 1,000 ,00 ,00 ,00 ,00

,016 15,966 ,00 ,42 ,54 ,00

,009 20,452 ,99 ,17 ,13 ,06

,006 25,078 ,00 ,41 ,33 ,94

Dimension 1

2 3 4 Model 1

Eigenvalue

Condition

Index (Constant) X1 X2 X3

Variance Proportions

Dependent Variable: Y a.

Regression

Variables Entered/Removedb

X3, X2, X1a _{. Enter}

Model 1

Variables Entered

Variables

Removed Method All requested variables entered.

a.

Dependent Variable: Y b.

Model Summaryb

,775a _{,600 ,582 ,59914}

Model 1

R R Square

Adjusted R Square

Std. Error of the Estimate Predictors: (Constant), X3, X2, X1

ANOVAb

34,995 3 11,665 32,495 ,000a

23,333 65 ,359

58,328 68

Regression Residual Total Model 1

Sum of

Squares df Mean Square F Sig.

Predictors: (Constant), X3, X2, X1 a.

Dependent Variable: Y b.

Coefficientsa

,742 ,642 1,157 ,252

,317 ,107 ,280 2,951 ,004

,364 ,103 ,330 3,533 ,001

,425 ,130 ,353 3,264 ,002

(Constant) X1 X2 X3 Model 1

B Std. Error Unstandardized

Coefficients

Beta Standardized

Coefficients

t Sig.

Dependent Variable: Y a.

Residuals Statisticsa

4,2047 6,8875 5,5420 ,71738 69

-1,864 1,876 ,000 1,000 69

,081 ,250 ,140 ,036 69

4,2926 6,8942 5,5447 ,71726 69

-1,38198 1,58133 ,00000 ,58578 69

-2,307 2,639 ,000 ,978 69

-2,384 2,674 -,002 1,012 69

-1,47677 1,62256 -,00268 ,62762 69

-2,477 2,812 ,000 1,027 69

,267 10,854 2,957 2,111 69

,000 ,118 ,018 ,028 69

,004 ,160 ,043 ,031 69

Predicted Value Std. Predicted Value Standard Error of Predicted Value

Adjusted Predicted Value Residual

Std. Residual Stud. Residual Deleted Residual Stud. Deleted Residual Mahal. Distance Cook's Distance

Centered Leverage Value

Minimum Maximum Mean Std. Deviation N

Dependent Variable: Y a.

One-Sample Kolmogorov-Smirnov Test

69 ,0000000 ,58577774 ,069 ,069 -,051 ,573 ,898 N

Mean

Std. Deviation Normal Parametersa,b

Absolute Positive Negative Most Extreme

Differences

Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)

Unstandardiz ed Residual

Test distribution is Normal. a.

Calculated from data. b.

2 1

0 -1

-2

Regression Standardized Predicted Value

3

2

1

0

-1

-2

-3

R

e

g

re

ss

io

n

S

tu

d

e

n

ti

ze

d

R

es

id

u

al

Dependent Variable: Y

Scatterplot