1. ANALISIS JALUR
Dr. Musdalifah Azis, SE., M.Si
Musdalifah.azis@gmail.com
Dosen Universitas Mulawarman Samarinda
BAB I
1.1 KONSEP DASAR ANALISIS JALUR
Analisis jalur adalah suatu teknik pengembangan dari regresi linier
ganda.Teknik ini digunakan untuk menguji besarnya sumbangan (kontribusi) yang
ditunjukkan oleh koefisien jalur pada setiap diagram jalur dari hubungan kausal antar
variabel X1 X2 dan X3 terhadap Y serta dampaknya terhadap Z. “Analisis jalur ialah
suatu teknik untuk menganalisis hubungan sebab akibat yang tejadi pada regresi
berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya
secara langsung tetapi juga secara tidak langsung”. (Robert D. Retherford 1993).
Sedangkan definisi lain mengatakan: “Analisis jalur merupakan pengembangan
langsung bentuk regresi berganda dengan tujuan untuk memberikan estimasi tingkat
kepentingan (magnitude) dan signifikansi (significance) hubungan sebab akibat
hipotetikal dalam seperangkat variabel.” (Paul Webley 1997).
David Garson dari North Carolina State University mendefinisikan analisis
jalur sebagai “Model perluasan regresi yang digunakan untuk menguji keselarasan
matriks korelasi dengan dua atau lebih model hubungan sebab akibat yang
dibandingkan oleh peneliti. Modelnya digambarkan dalam bentuk gambar lingkaran
dan panah dimana anak panah tunggal menunjukkan sebagai penyebab. Regresi
dikenakan pada masing-masing variabel dalam suatu model sebagai variabel
tergantung (pemberi respon) sedang yang lain sebagai penyebab. Pembobotan
regresi diprediksikan dalam suatu model yang dibandingkan dengan matriks korelasi
yang diobservasi untuk semua variabel dan dilakukan juga penghitungan uji
keselarasan statistik. (David Garson, 2003).
Dalam analisis jalur dikenal beberapa konsep dan istilah dasar. Dengan
gambar model di bawah ini akan diterangkan konsep-konsep dan istilah dasar
tersebut:
1
2.
Model jalur. Model jalur ialah suatu diagram yang menghubungkan antara
variabel bebas, perantara dan tergantung. Pola hubungan ditunjukkan dengan
menggunakan anak panah. Anak panah-anak panah tunggal menunjukkan
hubungan sebab–akibat antara variabel-variabel exogenous atau perantara
dengan
satu
variabel
tergantung
atau
lebih.
Anak
panah
juga
menghubungkan kesalahan (variabel residue) dengan semua variabel
endogenous masing-masing. Anak panah ganda menunjukkan korelasi antara
pasangan variabel-variabel exogenous.
Jalur penyebab untuk suatu variabel yang diberikan meliputi pertama
jalur-jalur arah dari anak-anak panah menuju ke variabel tersebut dan kedua
jalur-jalur korelasi dari semua variabel endogenous yang dikorelasikan
dengan variabel-variabel yang lain yang mempunyai anak panah-anak panah
menuju ke variabel yang sudah ada tersebut.
Variabel exogenous. Variabel – variabel exogenous dalam suatu model jalur
ialah semua variabel yang tidak ada penyebab-penyebab eskplisitnya atau
dalam diagram tidak ada anak-anak panah yang menuju kearahnya, selain
pada bagian kesalahan pengukuran. Jika antara variabel exogenous
dikorelasikan maka korelasi tersebut ditunjukkan dengan anak panah dengan
kepala dua yang menghubungkan variabel-variabel tersebut.
Variabel endogenous. Variabel endogenous ialah variabel yang mempunyai
anak-anak panah menuju kearah variabel tersebut. Variabel yang termasuk
didalamnya ialah mencakup semua variabel perantara dan tergantung.
Variabel perantara endogenous mempunyai anak panah yang menuju
kearahnya dan dari arah variabel tersebut dalam sutau model diagram jalur.
Sedang variabel tergantung hanya mempunyai anak panah yang menuju
kearahnya.
Koefesien jalur / pembobotan jalur. Koefesien jalur adalah koefesien
regresi standar atau disebut ‘beta’ yang menunjukkan pengaruh langsung dari
suatu variabel bebas terhadap variabel tergantung dalam suatu model jalur
tertentu. Oleh karena itu, jika suatu model mempunyai dua atau lebih
variabel-variabel penyebab, maka koefesien-koefesien jalurnya merupakan
koefesien-koefesien regresi parsial yang mengukur besarnya pengaruh satu
variabel terhadap variabel lain dalam suatu model jalur tertentu yang
2
3. mengontrol dua variabel lain sebelumnya dengan menggunakan data yang
sudah distandarkan atau matriks korelasi sebagai masukan.
Variabel-variabel exogenous yang dikorelasikan. Jika semua variabel
exogenous dikorelasikan, maka sebagai penanda hubungannya ialah anak
panah dengan dua kepala yang dihubungkan diantara variabel-variabel
dengan koefesien korelasinya.
Istilah gangguan. Istilah kesalahan residual yang secara teknis disebut
sebagai ‘gangguan’ atau “residue” mencerminkan adanya varian yang tidak
dapat diterangkan atau pengaruh dari semua variabel yang tidak terukur
ditambah dengan kesalahan pengukuran.
Aturan multiplikasi jalur. Nilai dari suatu jalur gabungan adalah hasil semua
koefesien jalurnya.
Decomposisi pengaruh. Koefesien-koefesien jalur dapat digunakan untuk
mengurai korelasi-korelasi dalam suatu model kedalam pengaruh langsung
dan tidak langsung yang berhubungan dengan jalur langsung dan tidak
langsung yang direfleksikan dengan anak panah – anak panah dalam suatu
model tertentu. Ini didasarkan pada aturan bahwa dalam suatu sistem linear,
maka pengaruh penyebab total suatu variabel ‘i’ terhadap variabel ‘j’ adalah
jumlah semua nilai jalur dari “i” ke “j”.
Signifikansi dan Model keselarasan dalam jalur. Untuk melakukan
pengujian koefesien – koefesien jalur secara individual, kita dapat
menggunakan t standar atau pengujian F dari angka-angka keluaran regresi.
Sedang untuk melakukan pengujian model dengan semua jalurnya, kita dapat
menggunakan uji keselarasan dari program. Jika suatu model sudah benar,
diantaranya mencakup semua variabel yang sesuai dan mengeluarkan
semua variabel yang tidak sesuai; maka jumlah nilai-nila jalur dari I ke j akan
sama dengan koefesien regresi untuk j yang diprediksi didasarkan pada I,
yaitu untuk data yang sudah distandarisasi dimana koefesien regresi
sederhana sama dengan kefesien korelasi; maka jumlah semua koefesien
(standar) akan sama dengan koefesien korelasi.
Anak
panah
dengan
satu
kepala
dan
dua
kepala.
Jika
ingin
menggambarkan penyebab, maka kita menggunakan anak panah dengan
satu kepala. Sedang untuk menggambarkan korelasi, kita menggunakan
anak panah yang melengkung dengan dua kepala. Ada kalanya hubungan
3
4. sebab akibat menghasilkan angka negatif, untuk menggambarkan hasil yang
negatif digunakan garis putus-putus.
Pola hubungan. Dalam analisi jalur tidak digunakan istilah variabel bebas
ataupun tergantung. Sebagai gantinya kita menggunakan istilah variabel
exogenous dan endogenous.
Model Recursive. Model penyebab yang mempunyai satu arah. Tidak ada
arah membalik (feed back loop) dan tidak ada pengaruh sebab akibat
(reciprocal). Dalam model ini satu variabel
tidak dapat berfungsi sebagai
penyebab dan akibat dalam waktu yang bersamaan.
Model Non-recursive. Model penyebab dengan disertai arah yang membalik
(feed back loop) atau adanya pengaruh sebab akibat (reciprocal).
Direct Effect. Pengaruh langsung yang dapat dilihat dari koefesien jalur dari
satu variable ke variable lainnya.
Indirect Effect. Urutan jalur melalui satu atau lebih variable perantara.
1.2 Tipe Model-model Jalur
Ada beberapa model jalur mulai dari yang paling sederhana sampai dengan
yang lebih rumit, diantaranya diterangkan di bawah ini :
1.2.1 Tipe Regresi Berganda
Model pertama ini sebenarnya merupakan pengembangan regresi berganda
dengan menggunakan dua variabel exogenous, yaitu X1
dan X2 dengan satu
variabel endogenous Y. Model digambarkan sebagai berikut :
X1
Y1
X2
Contoh :
Dalam kasus pengaruh harga dan promosi terhadap penjualan, maka X 1 adalah
variabel harga dan X2 adalah variabel promosi sedangkan Y adalah variabel
penjualan. Dalam terminologi analisis jalur, variabel harga dan promosi adalah
variabel exogenous dan variabel penjualan adalah variabel endogenous.
4
5. 1.2.2 Model Mediasi
Model kedua adalah model mediasi atau perantara dimana variabel Y
memodifikasi pengaruh variabel X terhadap variabel Z. Model digambarkan sebagai
berikut:
X
Z
Y
Contoh :
Karena menginginkan suatu produk laku keras, sebuah perusahaan menjual produk
dengan harga murah dengan mengabaikan kualitas produk itu sendiri. Hasilnya
penjualan produk terus menurun. Jika diterapkan dalam model kedua ini, maka
variabel X adalah produk, variabel Y adalah variabel kualitas produk dan variabel Z
adalah variabel penjualan. Variabel produk mempengaruhi variabel penjualan
melalui variabel kualitas produk.
1.2.3 Model Kombinasi Pertama dan Kedua
Model ketiga ini merupakan kombinasi antara model pertama dan kedua,
yaitu variabel X berpengaruh terhadap variabel Z secara langsung dan secara tidak
langsung mempengaruhi variabel Z melalui variabel Y. Model digambarkan sebagai
berikut :
X
Z
Y
Contoh :
Kualitas suku bunga SBI yang diberikan suatu perusahaan dipengaruhi oleh kinerja
pegawai yang pada akhirnya akan mempengaruhi tingkat IHSG pelanggan. Dalam
kasus ini variabel X adalah kinerja pegawai, variabel Y adalah kualitas layanan dan
variabel Z adalah IHSG pelanggan. Kinerja pegawai secara langsung mempengaruhi
IHSG pelanggan demikian pula kinerja pegawai akan mempengaruhi kualitas
layanan yang kemudian akan berpengaruh terhadap IHSG pelanggan.
5
6. 1.2.4 Model Kompleks
Model keempat ini merupakan model yang lebih kompleks, yaitu variabel X1
secara langsung mempengaruhi Y2 dan melalui variabel X2 secara tidak langsung
mempengaruhi Y2, sementara itu variabel Y2 juga dipengaruhi oleh variabel Y1.
Model digambarkan sebagai berikut :
X1
X2
Y1
Y2
Contoh:
Contoh kasus ini diambil dari hasil penelitian Sawyer dkk dalam masalah psikologi.
Kasusnya sebagai berikut:
X1 adalah psikopatologi tahap pertama seorang ibu
yangakan menjadi penentu terhadap patologi tahap kedua ibu yang bersangkutan
dalam hal ini adalah variabel X2 ; dan mirip dengan kejadian tersebut patologi tahap
pertama anaknya atau variabel Y1 akan mempengaruhi patologi tahap kedua anak
tersebut atau variabel Y2. Selanjutnya patologi anak tahap kedua atau Y2 juga
dipengaruhi oleh patologi ibu tahap pertama, yaitu (jalur antara X1 dan Y2) dan
tahap kedua, yaitu (jalur antara X2 dan Y2 )
1.2.5 Model Recursif dan Non Recursif
Dari sisi pandang arah sebab akibat, ada dua tipe model jalur, yaitu recursif
dan non recursif. Model recursif ialah jika semua anak panah menuju satu arah
seperti gambar di bawah ini :
1
P31
r21
P21
P41
P32
P42
2
e2
4
P43
3
e4
e3
6
7. Model tersebut dapat diterangkan sebagai berikut:
Anak panah menuju satu arah, yaitu dari 1 ke 2, 3, dan 4; dari 2 ke 3 dan dari
3 menuju ke 4. Tidak ada arah yang terbalik, misalnya dari 4 ke 1
Hanya terdapat satu variabel exogenous, yaitu 1 dan tiga variabel
endogenous, yaitu 2,3, dan 4.
Masing-masing variabel endogenous
diterankan oleh variabel 1 dan error (e2, e3 dan e4).
Satu variabel endogenous dapat menjadi penyebab variabel endogenous
lainnya tetapi bukan ke variabel exogenous.
Model non recursif terjadi jika arah anak panah tidak searah atau terjadi arah
yang terbalik (looping), misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2, atau bersifat
sebab akibat (reciprocal casue).
7
8. BAB II
PEMODELAN ANALISIS JALUR
2.1 KASUS 1
Penelitian melibatkan tiga buah variabel X1, X2 dan X3 untuk mengungkapkan
hubungan antara ke tiga variabel ini. Peneliti mempunyai proposisi hipotetik bahwa
antara X1 dan X2 terdapat kaitan korelasional, dan bahwa keduanya secara
bersama-sama mempengaruhi X3.
Data hasil pengukuran (dalam skala pengukuran interval) melalui sampel acak
berukuran 15 adalah sebagai berikut :
X3
X1
X2
205
26
159
206
28
164
254
35
198
246
31
184
201
21
150
291
49
208
234
30
184
209
30
154
204
24
149
216
31
175
245
32
192
286
47
201
312
54
248
265
40
166
322
42
287
8
9. Analisis :
Regression
Descriptive Statistics
Mean
246,4000
34,6667
187,9333
X3
X1
X2
St d. Dev iation
41,11274
9,67815
38,08724
N
15
15
15
Correlations
Pearson Correlation
Sig. (1-tailed)
N
X3
X1
X2
X3
X1
X2
X3
X1
X2
X3
1,000
,916
,901
.
,000
,000
15
15
15
X1
,916
1,000
,735
,000
.
,001
15
15
15
b
Variabl es Entered/Removed
Model
1
Variables
Entered
X2, X1a
Variables
Remov ed
.
Method
Enter
a. All requested v ariables entered.
b. Dependent Variable: X3
Model Summary
Model
1
R
,976a
R Square
,952
Adjusted
R Square
,944
St d. Error of
the Estimate
9,75663
a. Predictors: (Constant), X2, X1
9
X2
,901
,735
1,000
,000
,001
.
15
15
15
10. ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
22521,299
1142,301
23663,600
df
Mean Square
11260,649
95,192
2
12
14
F
118,294
Sig.
,000a
a. Predictors: (Const ant), X2, X1
b. Dependent Variable: X3
a
Coeffi ci ents
Model
1
(Constant)
X1
X2
Unstandardized
Coef f icients
B
St d. Error
64,639
13,112
2,342
,398
,535
,101
St andardized
Coef f icients
Beta
,551
,496
t
4,930
5,892
5,297
Sig.
,000
,000
,000
a. Dependent Variable: X3
Proposisi hipotetik yang diajukan oleh peneliti bisa diterjemahkan kedalam Diagram Jalur
seperti di bawah ini :
ϵ
X1
P31
r12
X3
P32
X2
Diagram jalur ini terdapat dua buah variabel eksogen X1 dan X2, serta sebuah variabel
endogen, yaitu X3.
Bentuk persamaan struktural untuk diagram jalur di atas :
X3 = 0,551 X1 + 0,496 X2 +
Model ini signifikan karena nilai p-value = 0,000 lebih kecil dari α
Koefisien jalur :
p31 = 0,551 , karena p-value = 0,000 lebih kecil dari α, koefisien jalur ini signifikan
p32 = 0,496 , karena p-value = 0,000 lebih kecil dari α, koefisien jalur ini signifikan
p3 = 1 R
2
=
1 0,952 = 0,219
10
11. Hubungan struktural antara X1 , X2 dan X3 :
0,219
X1
0,551
0,735
X3
0,496
X2
Interpretasi
Pengaruh langsung dari X1 terhadap X3 = (0,551)(0,916)=
Pengaruh langsung dari X2 terhadap X3 = (0,496)(0,901)=
2.2 KASUS 2
Sebuah penelitian eksploratif mencoba mengungkapkan hubungan antara X1, X2, X3, dan X4.
Dalam penelitian ini dikemukakan sebuah proposisi bahwa :
-
Antara X1 dan X2, terdapat kaitan korelatif. Kedua konstrak tersebut bersamasama mempengaruhi X3.
- X1, X2 dan X3 secara bersama-sama mempengaruhi X4.
Buatlah diagram jalurnya, hitung semua pengaruh variable eksogennya.!
DATA SAMPEL :
X1
x2
x3
x4
7
26
78
79
1
29
74
74
11
56
104
107
11
31
88
88
7
52
96
97
11
55
109
108
3
71
103
104
1
31
72
72
11
13. Model Summary
Model
1
R
,990a
R Square
,981
Adjusted
R Square
,977
St d. Error of
the Estimate
2,23457
a. Predictors: (Constant), X2, X1
ANOVAb
Model
1
Sum of
Squares
2590,067
49,933
2640,000
Regression
Residual
Total
df
2
10
12
Mean Square
1295,034
4,993
F
259,355
Sig.
,000a
t
23,389
13,140
15,305
Sig.
,000
,000
,000
a. Predictors: (Const ant), X2, X1
b. Dependent Variable: X3
a
Coeffi ci ents
Model
1
Unstandardized
Coef f icients
B
St d. Error
51,434
2,199
1,476
,112
,687
,045
(Constant)
X1
X2
St andardized
Coef f icients
Beta
,585
,682
a. Dependent Variable: X3
Persamaan struktur :
X3 = 0,585 X1 + 0,682 X2 + 1
Model ini signifikan karena p-value = 0,000 lebih kecil dari α
Koefisien jalur :
p31 = 0,585 , karena p-value = 0,000 lebih kecil dari α, koefisien jalur ini signifikan
p32 = 0,682 , karena p-value = 0,000 lebih kecil dari α, koefisien jalur ini signifikan
px3 = 1 R
2
=
1 0,981 = 0,138.
Untuk Sub-struktur 2 :
Model Summary
Model
1
R
,997a
R Square
,994
Adjusted
R Square
,992
St d. Error of
the Estimate
1,38903
a. Predictors: (Constant), X2, X1, X3
13
14. ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
2899,405
17,365
2916,769
df
3
9
12
Mean Square
966,468
1,929
F
500,913
Sig.
,000a
a. Predictors: (Const ant), X2, X1, X3
b. Dependent Variable: X4
a
Coeffi ci ents
Model
1
(Constant)
X3
X1
X2
Unstandardized
Coef f icients
B
St d. Error
22,248
10,202
,541
,197
,831
,298
,327
,138
St andardized
Coef f icients
Beta
t
2,181
2,750
2,785
2,372
,514
,314
,309
Sig.
,057
,022
,021
,042
a. Dependent Variable: X4
Persamaan struktur :
X4 = 0,314 X1 + 0,309 X2 + 0,514 X3 + 2
Model ini signifikan karena p-value = 0,000 lebih kecil dari α
Koefisien jalur :
P41 = 0,314 , karena p-value = 0,021 lebih kecil dari α, koefisien jalur ini signifikan
P42 = 0,309 , karena p-value = 0,042 lebih kecil dari α, koefisien jalur ini signifikan
P43 = 0,514 , karena p-value = 0,022 lebih kecil dari α, koefisien jalur ini signifikan.
P4 = 1 R
2
=
1 0,994 =0,077.
Diagram Jalur yang lengkap :
0,138
0,077
X1
0,585
0,217
0,314
X3
0,682
0,514
0,309
X2
14
X4
15. Interpretasi :
Pengaruh dari X1 ke X4
Pengaruh langsung = 0,314
Pengaruh tak langsung (melalui X3) = 0,585 x 0,514 = 0,301
Total pengaruh = 0,314 + 0,301 = 0,615
Pengaruh dari X2 ke X4
Pengaruh langsung = 0,309
Pengaruh tak langsung (melalui X3) = 0,682 x 0,514 = 0,350
Total pengaruh = 0,309 + 0,350 = 0,659
Pengaruh dari X3 ke X4
Pengaruh langsung = 0,514
2.3 KASUS 3
Analisis Pengaruh Kompensasi Dan Budaya Organisasi Terhadap Kinerja Pegawai
(maaf organisasinya dihilangkan…)
X1 = Kompensasi
X2 = Budaya Organisasi
X3 = Motivasi kerja
Y
= Kinerja
15
16. MASALAH
Berapa besar pengaruh kompensasi dan budaya terhadap motivasi kerja
Berapa besar pengaruh langsung dan tidak langsung kompensasi, dan budaya
terhadap kinerja
X3 = X3X1 + ρ X3X2 + Є1 …………Substruktural 1
Y = ρ YX1 + ρ YX2 + ρ YX3 + Є2 …………Substruktural 2
DATA
Model diasumsikan telah memenuhi persyaratan analisis jalur meliputi data berskala
interval, berdistribusi normal, pemenuhan asumsi linieritas, normalitas, homogen dan
terbebas dari masalah multikolinieritas. Pembahasan mengenai hal ini akan
dijelaskan secara terpisah sehingga bahasan mengenai interprestasi nilai analisis
jalur dengan regresi.
Data analisis jalur
X1
X2
X3
Y
79
69
71
72
64
78
78
78
79
82
73
78
69
63
63
66
72
80
81
78
75
78
70
79
76
74
74
72
76
65
77
76
77
80
80
80
16
19. 78
74
74
79
70
73
72
71
76
79
80
73
70
74
73
74
72
69
70
71
81
80
64
78
3.3.2 PENYELESAIAN
1. TAHAP 1
Pada tahap 1 persamaan strukturalnya adalah X3 = X3X1 + ρ X3X2 + Є1
Dimana X1 adalah kompensasi, X2 budaya dan X3 motivasi
Untuk menghitung persamaan regresinya :
Klik Analyse
Pilih Regression >> Pilih Linier
Pada kolom dependent variable masukkan variabel X3
Pada kolom independent variable masukkan variabel X1 dan X2
Biarkan methode tetap pada pilihan Enter
Klik OK
19
20. Regression Sub 1
b
Variables Entered/Removed
Model
1
Variables
Entered
X2, X1a
Variables
Remov ed
.
Method
Enter
a. All requested v ariables entered.
b. Dependent Variable: X3
Model Summary
Model
1
R
.699a
R Square
.488
Adjusted
R Square
.475
St d. Error of
the Estimate
4.78723
a. Predictors: (Constant), X2, X1
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
1662.977
1741.732
3404.709
df
2
76
78
Mean Square
831.488
22.918
F
36.282
Sig.
.000a
a. Predictors: (Const ant), X2, X1
b. Dependent Variable: X3
a
Coeffi ci ents
Model
1
(Constant)
X1
X2
Unstandardized
Coef f icients
B
St d. Error
10.343
7.317
.461
.094
.380
.103
St andardized
Coef f icients
Beta
.462
.346
t
1.413
4.916
3.678
Sig.
.162
.000
.000
a. Dependent Variable: X3
2. TAHAP 2
Pada tahap 2 persamaan strukturalnya adalah Y = ρ YX1 + ρ YX2 + ρ YX3 + Є2
Dimana X1 adalah kompensasi, X2 budaya, X3 motivasi dan Y kinerja
Untuk menghitung persamaan regresinya :
Klik Analyse
Pilih Regression >> Pilih Linier
Pada kolom dependent variable masukkan variabel Y
Pada kolom independent variable masukkan variabel X1, X2 dan X3
20
21.
Biarkan methode tetap pada pilihan Enter
Klik OK
Hasil Pengolalahan, seperti berikut :
Regression Sub 2
b
Variabl es Entered/Removed
Model
1
Variables
Entered
X3, X2, X a
1
Variables
Remov ed
.
Method
Enter
a. All requested v ariables entered.
b. Dependent Variable: Y
Model Summary
Model
1
R
.859a
R Square
.738
Adjusted
R Square
.728
St d. Error of
the Estimate
3.48609
a. Predictors: (Constant), X3, X2, X1
21
22. ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
2569.476
911.461
3480.937
df
Mean Square
856.492
12.153
3
75
78
F
70.477
Sig.
.000a
a. Predictors: (Const ant), X3, X2, X1
b. Dependent Variable: Y
a
Coeffi ci ents
Model
1
Unstandardized
Coef f icients
B
St d. Error
-.382
5.398
.200
.078
.245
.082
.574
.084
(Constant)
X1
X2
X3
St andardized
Coef f icients
Beta
.199
.220
.568
t
-.071
2.557
2.997
6.876
Sig.
.944
.013
.004
.000
a. Dependent Variable: Y
Penafsiran Hasil
SUB STRUKTURAL 1
** Perhatikan hasil output regresi sub 1
Model Summary
Model
1
R
.699a
R Square
.488
Adjusted
R Square
.475
St d. Error of
the Estimate
4.78723
a. Predictors: (Constant), X2, X1
Secara simultan kompensasi dan budaya organisasi berpengaruh positif dan
signifikan terhadap motivasi kerja pegawai. Besaran pengaruh simultan adalah
0,488 atau dibulatkan menjadi 49% merupakan kontribusi dari variabel kompensasi
dan budaya organisasi terhadap motivasi kerja. Sedangkan sisanya 51 %
dipengaruhi faktor lain di luar model.
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
1662.977
1741.732
3404.709
df
2
76
78
Mean Square
831.488
22.918
a. Predictors: (Const ant), X2, X1
b. Dependent Variable: X3
22
F
36.282
Sig.
.000a
23. Model simultan ini terjadi secara signifikan. Hal ini dapat dilihat dari probability (sig)
atau < 0,01. Pengujian signifikansi lebih lanjut diteruskan dengan pengujian
individual melalui parameter statistik t. Hasil pengujian individual juga menunjukkan
pengaruh yang signifikan. Dengan memperhatikan perolehan sig < 0,01 pada jalur
X1, sig < 0,01 pada jalur X2. Hal ini tentunya menjelaskan bahwa secara simultan
dan parsial kompensasi dan budaya organisasi dapat dijadikan variabel yang
berpengaruh motivasi kerja pegawai. Lebih lanjut, pengaruh kausal empiris antara
variabel (X1) kompensasi dan (X2) budaya organisasi ini dapat digambarkan melalui
persamaan sub struktural 1 (satu). X3 = ρ X3X1 + ρ X3X2 + ρ X3Є1, atau X3 = 0,462X1
+ 0,346X2 + 0,715 Є1.
a
Coeffi ci ents
Model
1
(Constant)
X1
X2
Unstandardized
Coef f icients
B
St d. Error
10.343
7.317
.461
.094
.380
.103
St andardized
Coef f icients
Beta
.462
.346
t
1.413
4.916
3.678
Sig.
.162
.000
.000
a. Dependent Variable: X3
Secara parsial kompensasi berpengaruh positif dan signifikan terhadap motivasi
kerja pegawai. Besaran pengaruh parsial dan langsung kompensasi terhadap
motivasi adalah sebesar 0,462 atau dibulatkan menjadi 46%. Dengan demikian,
tinggi rendahnya motivasi dipengaruhi oleh kompensasi sebesar 46%, sedangkan
sisanya 54% dijelaskan faktor lain di luar model.
Secara parsial budaya organisasi berpengaruh positif dan signifikan terhadap
motivasi kerja pegawai. Besaran pengaruh parsial dan langsung budaya organisasi
terhadap motivasi adalah sebesar 0,346 atau dibulatkan menjadi 35%. Artinya, tinggi
rendahnya motivasi kerja pegawai dipengaruhi oleh budaya organisasi sebesar 35%,
sedangkan sisanya 65% dijelaskan faktor lain di luar model.
SUB STRUKTURAL 2
** Perhatikan hasil output regresi sub 2
23
24. Model Summary
Model
1
R
.859a
R Square
.738
Adjusted
R Square
.728
St d. Error of
the Estimate
3.48609
a. Predictors: (Constant), X3, X2, X1
Secara simultan, pengaruh X1 X2 dan X3 terhadap Y adalah sebesar 0,738
(dibulatkan 74%. Sisanya 26% dipengaruh faktor lain di luar model. Model simultan
terjadi signifikan. Dengan memperhatikan probablitas F sebesar 70,477 pada sig
0,000 < 0,01. Setelah model simultan terbukti signifikan, maka dilakukan penelusan
jalur pengaruh parsial. Dari tiga variabel yang ditempatkan sebagai prediktor,
seluruhnya memiliki nilai sig < 0,05 sehingga dapat dikatakan bahwa seluruh
prediktor secara parsial berpengaruh terhadap Y Secara langsung kompensasi
berpengaruh positif dan signifikan terhadap kinerja pegawai. Besaran pengaruh
langsung kompensasi terhadap kinerja adalah sebesar 0,199 atau dibulatkan
menjadi 20%. Artinya, tinggi rendahnya kinerja pegawai hanya mampu dipengaruhi
oleh kompensasi sebesar 20% sedangkan sisanya 80% dipengaruhi faktor lain di
luar model.
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
2569.476
911.461
3480.937
df
3
75
78
Mean Square
856.492
12.153
F
70.477
Sig.
.000a
a. Predictors: (Const ant), X3, X2, X1
b. Dependent Variable: Y
Secara langsung budaya organisasi berpengaruh positif dan signifikan terhadap
kinerja pegawai. Besaran pengaruh parsial dan langsung budaya organisasi
terhadap kinerja adalah sebesar 0,220 atau dibulatkan menjadi 22%. Artinya, tinggi
rendahnya kinerja hanya mampu dipengaruhi oleh budaya organisasi sebesar 22%,
sedangkan sisanya 78% dijelaskan faktor lain di luar model.
24
25. a
Coeffi ci ents
Model
1
(Constant)
X1
X2
X3
Unstandardized
Coef f icients
B
St d. Error
-.382
5.398
.200
.078
.245
.082
.574
.084
St andardized
Coef f icients
Beta
.199
.220
.568
t
-.071
2.557
2.997
6.876
Sig.
.944
.013
.004
.000
a. Dependent Variable: Y
Secara langsung motivasi kerja berpengaruh positif dan signifikan terhadap kinerja
pegawai. Besaran pengaruh motivasi terhadap kinerja adalah sebesar 0,568 atau
dibulatkan menjadi 57%. Artinya, tinggi rendahnya kinerja mampu dipengaruhi oleh
motivasi sebesar 57%, sedangkan sisanya 43% dipengaruhi faktor lain di luar model.
Dari tiga variabel yang digunakan sebagai prediktor kinerja, variabel motivasi juga
teridentifikasi sebagai variabel terkuat yang mempengaruhi kinerja dibanding dua
variabel lain yaitu kompensasi dan budaya organisasi.
Secara keseluruhan, pengaruh-pengaruh yang dibentuk dari sub struktural 2 dapat
digambarkan melalui persamaan struktural 2 yaitu Y = ρ yX1 + ρ yX1 + ρ yX1 + e2,
atau Y = 0,199X1 + 0,220X2 + 0,568X3 + ρ ye2. Berdasarkan hasil pengujian
hipotesis ke 3,4, dan 5 pada persamaan struktural 2 ini diperoleh diagram jalur
empiris untuk model Y sebagaimana yang dijelaskan gambar berikut ini :
(gambarnya di view aja biar lebih besar…)
25
26. Indirect Effect dan Total Effect:
1. Pengaruh tidak langsung / indirect effect, X1 ke Y melalui X3 = p X3X1
x
p yX3
= (0,462) x (0,568) = 0,262. Dengan demikian pengaruh totalnya = p yX 1 +
IE= 0,199 + 0,262 = 0,461.
2. Pengaruh tidak langsung / indirect effect, X2 ke Y melalui X3 = p X3X2
x
p yX3
= (0,346) x (0,568) = 0,196. Dengan demikian pengaruh totalnya = p yX 2 +
IE= 0,220 + 0,196 = 0,416
26
27. BAB III
MODEL PERSAMAAN SATU JALUR
3.1 KASUS
Pada model pertama ini, hubungan sebenarnya sama dengan model regresi
pertama, yaitu variabel bebas terdiri lebih dari satu variabel dan variabel
tergantungnya hanya satu. Contoh kasus dalam model ini ialah kita ingin mengukur
besarnya pengaruh tiga variabel bebas, yaitu produk, harga dan promosi terhadap
jumlah kepuasaan pada distributor sepeda motor Honda.
Model diagram jalurnya dapat digambarkan sebagai berikut :
X1 Produk
Y1 Keputusan
X2 Harga
X2 Promosi
3.1.1 MASALAH
Masalah dalam kasus ini ialah :
1.
Berapa besar pengaruh variabel produk, harga dan promosi secara parsial
(sendiri-sendiri) terhadap variabel kepuasan?
2.
Berapa besar pengaruh variabel produk, harga dan promosi secara gabungan
bersama-sama) terhadap variabel kepuasan?
3.1.2 DATA
Data terlihat sebagai berikut :
No
1
2
3
4
5
6
7
8
Produk
18
15
18
14
15
17
13
19
Harga
18
18
15
15
15
16
17
19
Layanan
16
18
16
15
16
16
13
21
Kepuasan
15
12
14
13
12
13
14
12
27
Loyalitas
14
11
12
11
11
12
13
12
29.
Produk merupakan variabel bebas pertama dan diberi simbol X1.
Harga merupakan variabel bebas kedua dan diberi simbol X2.
Promosi merupakan variabel bebas ketiga dan diberi simbol X3.
Kepuasan merupakan variabel tergantung dan diberi simbol Y.
TAHAP II
X1
rX1X2
rX1X3
X2
e
PYX1
PYX2
rX2X3
Y
PYX3
X3
Keterangan :
X1 sebagai variabel bebas Produk.
X2 sebagai variabel bebas Harga.
X3 sebagai variabel bebas Promosi.
Y sebagai variabel tergantung.
Diagram jalur tersebut terdiri atas satu persamaan struktural dengan hanya satu
substruktural, yaitu X1, X2, dan X3 disebut sebagai variabel eksogen dan Y sebagai
variabel endogen dengan persamaan struktural sebagai berikut :
TAHAP III
Membuat desain variabel, memasukkan data dan menganalisanya.
Membuat desain variabel: Desain variabel dibuat dengan cara memilih sub menu
bagian bawah kiri pada perintah: Variable View. Setelah perintah tersebut kita klik,
muncul tabel yang akan kita isi dengan desain variabel sebagai berikut :
Name
produk
harga
promosi
kepuasan
Type
numeric
numeric
numeric
numeric
Width
8
8
8
8
Decimal
2
2
2
2
Label
Produk
Harga
Promosi
kepuasan
Values
None
None
None
None
Missing
None
None
None
None
Column
8
8
8
8
Align
R
R
R
R
Measure
Scale
Scale
Scale
Scale
Memasukkan data: kalau pembuatan desain variabel sudah selesai maka kita akan
lanjutkan dengan memasukkan data dengan menekan (klik) pada perintah: Data
View. Dengan demikian, tampilan akan terlihat sebagai berikut :
29
30. No
1
produk
harga
promosi
Kepuasan
30
Masukkan data diatas sesuai dengan
variabel masing-masing sebanyak 30 data mulai nomor 1 sampai 30 dengan
mengisikan dari baris atas ke bawah.
Melakukan analisis: analisis dengan menggunakan SPSS dilakukan dengan
langkah-langkah sebagai berikut :
Pertama, menghitung persamaan regresinya:
Klik analyze
Pilih Regression
Pilih Linier
Pada kolom dependen masukkan variabel kepuasan
Pada kolom independen masukkan variabel produk, harga dan promosi
Method: Enter
Klik OK.
Kedua, menghitung korelasi antara variabel produk, harga, promosi, dan kepuasan:
Klik Analyze
Pilih Correlate
Pilih Bivariate
Masukkan ke kolom Variabel, variabel produk, harga, dan promosi.
Klik OK
Hasil Perhitungan (Output): ada dua macam hasil penghitungan (output), yaitu
output regresi dan output korelasi.
Model Summary
Model R
R-Square
Adjusted Std. Error of
R Square the Estimate
1
.637a
.406
.338
1.579
a. Predictors: (Constant), Promosi, Harga, Produk
30
31. ANOVAb
Model
Sum of df
Mean
F
Sig.
Square
Square
1 Regression 44.368 3
14.789 5.931 .003a
Residual
64.831 26
2.494
Total
109.199 29
a. Predictors: (Constant), Promosi, Harga, Produk
b. Dependent Variabel : Kepuasan Konsumen
Coefficientsa
Model
Unstandardized
Coefficients
B
Standardized
Coefficients
Std.Error
Beta
1 (Constant)
5.695
2.365
Produk
.341
.148
.465
Harga
-.103
.149
-.116
Promosi
.214
.151
.280
a. Dependent Variabel : Kepuasan Konsumen
t
2.409
2.299
-.692
1.419
Sig.
.023
.030
.495
.168
Correlations
Produk Harga
Promosi
*
Produk
Pearson Correlation
1
.412
.643**
Sig. (2-tailed)
.024
.000
N
30
30
30
Harga
Pearson Correlation
.412*
1
.354
Sig. (2-tailed)
.024
.055
N
30
30
30
**
Promosi
Pearson Correlation
.643
.354
1
Sig. (2-tailed)
.000
.055
N
30
30
30
*Correlations is significants at the 0.05 level (2-tailed)
** Correlations is significants at the 0.01 level (2-tailed)
TAHAP IV
Penafsiran hasil penghitungan SPSS. Tahapan ini dibagi menjadi dua bagian,
melakukan analisis regresi dan analisis korelasi.
1. Analisis Regresi
Kita akan menganalisis regresi dengan melihat pengaruh secara gabungan dan
secara parsial.
31
32. a. Melihat pengaruh produk, harga, dan promosi secara gabungan terhadap
kepuasan.
Untuk melihat pengaruh produk, harga, dan promosi secara gabungan
terhadap kepuasan, akan kita lihat hasil penghitungan dalam model summary,
khususnya angka R square di bawah ini.
Model Summary
Model R
1
R-Square
Adjusted Std. Error of
R Square the Estimate
.637a
.406
.338
1.579
a. Predictors: (Constant), Promosi, Harga, Produk
Besarnya angka R square (r2) adalah 0,406. Angka tersebut dapat digunakan
untuk melihat pengaruh produk, harga, dan promosi secara gabungan
terhadap kepuasan dengan cara menghitung Koefisien Determinasi (KD)
dengan menggunakan rumus sebagai berikut :
Angka tersebut mempunyai maksud bahwa pengaruh produk, harga, dan
promosi secara gabungan terhadap kepuasan adalah 40,6%. Adapun sisanya
sebesar 59,4% (100% - 40,6%) dipengaruhi faktor lain. Dengan kata lain,
variabilitas kepuasan yang dapat diterangkan dengan menggunakan variabel
produk, harga dan promosi adalah sebesar 40,6%, sedangkan pengaruh
sebesar 59,4% disebabkan oleh variabel-variabel lain di luar model ini.
Untuk mengetahui apakah model regresi diatas sudah benar atau salah,
diperlukan uji hipotesis. Uji hipotesis menggunakan angka F sebagaimana
tertera dalam tabel di bawah ini.
ANOVAb
Model
Sum of df
Mean
F
Sig.
Square
Square
1
Regression
44.368
3 14.789 5.931 .003a
Residual
64.831
26
2.494
Total
109.199
29
a. Predictors: (Constant), Promosi, Harga, Produk
b. Dependent Variabel : Kepuasan Konsumen
32
33. Hipotesisnya berbunyi sebagai berikut :
H0 : tidak ada hubungan linier antara produk, harga, dan promosi dengan
kepuasan.
H1 : ada hubungan linier antara produk, harga, dan promosi dengan
kepuasan.
Pengujian
dapat
dilakukan
dengan
dua
cara.
Pertama
dengan
membandingkan besarnya angka F penelitian dengan F tabel. Cara kedua
ialah
dengan
membandingkan
angka
taraf
signifikansi
(sig)
hasil
penghitungan dengan taraf signifikansi 0,05 (5%).
a.1 Menggunakan cara pertama atau membandingkan besarnya angka F
penelitian dengan F tabel
Pertama: menghitung F penelitian
F penelitian dari SPSS didapatkan sebesar 5.931
Kedua: menghitung F tabel dengan ketentuan sebagai berikut :
Taraf signifikansi 0,05 dan derajat kebebasan (DK) dengan ketentuan
numerator: jumlah variabel – 1 atau 4 – 1 = 3; dan denumerator : jumlah
kasus – 4 atau 30 – 4 = 26. Dengan ketentuan tersebut, diperoleh angka
F tabel sebesar 2,98.
Ketiga: menentukan kriteria uji hipotesis sebagai berikut :
Jika F penelitian > F tabel maka H0 ditolak dan H1 diterima
Jika F penelitian < F tabel maka H0 diterima dan H1 ditolak
Keempat: mengambil keputusan
Dari hasil penghitungan didapatkan angka F penelitian sebesar 5,931 > F
tabel sebesar 2,98 sehingga H0 ditolak dan H1 diterima artinya ada
hubungan linier antara produk, harga, dan promosi dengan kepuasan.
Dengan demikian, model regresi diatas sudah layak dan benar.
Kesimpulannya ialah produk, harga, dan promosi secara gabungan
mempengaruhi
kepuasan.
Besarnya
pengaruh
ialah
40,6%.
Dan
pengaruh sebesar 59,4% disebabkan oleh variabel-variabel lain di luar
model ini.
a.2 Menggunakan cara kedua atau membandingkan angka taraf signifikansi
(sig) hasil penghitungan dengan taraf signifikansi 0,05 (5%).
33
34. Kriteria sebagai berikut :
Jika sig penelitian > F tabel maka H0 ditolak dan H1 diterima
Jika sig penelitian < F tabel maka H0 diterima dan H1 ditolak
Berdasarkan perhitungan angka signifikansi sebesar 0,03 < 0,05 maka H 0
ditolak dan H1 diterima artinya ada hubungan linier antara produk, harga,
dan promosi dengan kepuasan.
b. Pengaruh produk, harga, dan promosi secara parsial terhadap kepuasan.
Untuk melihat besarnya pengaruh produk, harga, dan promosi secara parsial
terhadap kepuasan, digunakan uji T, sedangkan untuk melihat besarnya
pengaruh, digunakan angka Beta atau Standardized Coefficients di bawah ini :
Coefficientsa
Model
Unstandardized Standardized
Coefficients
Coefficients
B
Std.Error
Beta
1
(Constant)
5.695
2.365
Produk
.341
.148
.465
Harga
-.103
.149
-.116
Promosi
.214
.151
.280
a. Dependent Variabel : Kepuasan Konsumen
T
2.409
2.299
-.692
1.419
Sig.
.023
.030
.495
.168
b.1 Hubungan antara produk dan kepuasan
untuk melihat apakah ada hubungan linier antara produk dan kepuasan, kita
dapat melakukan langkah-langkah analisis sebagai berikut :
Pertama: menentukan hipotesis
H0 : tidak ada hubungan linier antara produk dengan kepuasan.
H1 : ada hubungan linier antara produk dengan kepuasan.
Kedua: menghitung besarnya angka t penelitian
Hasil penghitungan SPSS diperoleh angka t penelitian sebesar 2,299.
Ketiga: menghitung besarnya angka t tabel dengan ketentuan berikut :
Taraf signifikansi 0,05 dan Derajat Kebebasan (DK) dengan ketentuan: DK=n-2,
atau 30-2=28. Dari ketentuan tersebut, diperoleh angka t tabel sebesar 2,048.
Keempat: menentukan kriteria uji hipotesis sebagai berikut :
Jika t penelitian > t tabel maka H0 ditolak dan H1 diterima
Jika t penelitian < t tabel maka H0 diterima dan H1 ditolak
Kelima: mengambil keputusan
34
35. Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar 2,229>t tabel
sebesar 2,048 sehingga H0 ditolak dan H1 diterima artinya ada hubungan linier
antara produk dengan kepuasan. Besarnya pengaruh produk dengan kepuasan
sebesar 0,465 atau 46,5%.
b.2 Hubungan antara harga dan kepuasan
untuk melihat apakah ada hubungan linier antara harga dan kepuasan, kita
dapat melakukan langkah-langkah analisis sebagai berikut :
Pertama: menentukan hipotesis
H0 : tidak ada hubungan linier antara harga dengan kepuasan.
H1 : ada hubungan linier antara harga dengan kepuasan.
Kedua: menghitung besarnya angka t penelitian
Hasil penghitungan SPSS diperoleh angka t penelitian sebesar -0,692.
Ketiga: menghitung besarnya angka t tabel dengan ketentuan berikut :
Taraf signifikansi 0,05 dan Derajat Kebebasan (DK) dengan ketentuan: DK=n-2,
atau 30-2=28. Dari ketentuan tersebut, diperoleh angka t tabel sebesar 2,048.
Keempat: menentukan kriteria uji hipotesis sebagai berikut :
Jika t penelitian > t tabel maka H0 ditolak dan H1 diterima
Jika t penelitian < t tabel maka H0 diterima dan H1 ditolak
Kelima: mengambil keputusan
Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar -0,692<ttabel
sebesar -2,048 sehingga H0 diterima dan H1 ditolak artinya tidak ada hubungan
linier antara harga dengan kepuasan. Besarnya pengaruh harga dengan
kepuasan sebesar -0,116 atau -11,6% dianggap tidak signifikan. Hal ini sesuai
dengan angka signifikan 0,495>0,05.
Catatan : jika angka t hitung dari hasil perhitungan diketemukan – (negatif) maka
t tabel turut menyesuaikan menjadi – (negatif). Perlu diketahui bahwa
hasil positif atau negatif hanya menunjukkan arah pengujian hipotesis
dan linieritas bukan menunjukkan jumlah. Seandainya pengujian
dilakukan dengan kurva maka pengujian dilakukan di sebelah kanan
jika hasilnya +(positif) dan di sebelah kiri jika hasilnya –(negatif).
Pengujian dengan kurva yang akan menghasilkan keputusan yang
sama terlihat seperti di bawah ini :
35
36. b.3 Hubungan antara promosi dan kepuasan
untuk melihat apakah ada hubungan linier antara promosi dan kepuasan, kita
dapat melakukan langkah-langkah analisis sebagai berikut :
Pertama: menentukan hipotesis
H0 : tidak ada hubungan linier antara promosi dengan kepuasan.
H1 : ada hubungan linier antara promosi dengan kepuasan.
Kedua: menghitung besarnya angka t penelitian
Hasil penghitungan SPSS diperoleh angka t penelitian sebesar 1,419.
Ketiga: menghitung besarnya angka t tabel dengan ketentuan berikut :
Taraf signifikansi 0,05 dan Derajat Kebebasan (DK) dengan ketentuan: DK=n-2,
atau 30-2=28. Dari ketentuan tersebut, diperoleh angka t tabel sebesar 2,048.
Keempat: menentukan kriteria uji hipotesis sebagai berikut :
Jika t penelitian > t tabel maka H0 ditolak dan H1 diterima
Jika t penelitian < t tabel maka H0 diterima dan H1 ditolak
Kelima: mengambil keputusan
Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar 1,419<t tabel
sebesar 2,048 sehingga H0 diterima dan H1 ditolak artinya tidak ada hubungan
linier antara promosi dengan kepuasan. Besarnya pengaruh promosi dengan
kepuasan sebesar 0,280 atau 28% dianggap tidak signifikan. Hal ini sesuai
dengan angka signifikan 0,168<0,05.
2. Analisis Korelasi
Korelasi antara produk, harga, promosi dan kepuasan dapat dilihat pada tabel di
bawah ini.
36
37. Correlations
Produk
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Harga
Promosi
Produk Harga
Promosi
*
1
.412
.643**
.024
.000
30
30
30
.412*
1
.354
.024
.055
30
30
30
.643**
.354
1
.000
.055
30
30
30
*Correlations is significants at the 0.05 level (2-tailed)
** Correlations is significants at the 0.01 level (2-tailed)
a. Korelasi antara produk dan harga
Berdasarkan perhitungan diperoleh angka korelasi antara variabel produk dan
harga sebesar 0,412. Untuk menafsir angka tersebut, digunakan kriteria
sebagai berikut :
0 – 0,25
: Korelasi sangat lemah (dianggap tidak ada)
>0,25 – 0,5
: Korelasi cukup kuat
>0,5 – 0,75
: Korelasi Kuat
>0,75 – 1
: Korelasi Sangat Kuat
Korelasi sebesar 0,412 mempunyai maksud hubungan antara variabel produk
dan harga kuat dan searah (karena hasilnya positif). Searah artinya jika produk
tinggi maka harga juga tinggi. Korelasi dua variabel bersifat signifikan karena
angka signifikansi sebesar 0,024 < 0,05. Jika angka signifikansi (sig)<0,05
maka hubungan kedua variabel signifikan. Sebaliknya, jika angka signifikansi
(sig)>0,05 maka hubungan kedua variabel tidak signifikan.
b. Korelasi antara produk dan promosi
Berdasarkan perhitungan diperoleh angka korelasi antara variabel produk dan
promosi sebesar 0,534. Korelasi sebesar 0,534 mempunyai maksud hubungan
antara variabel produk dan harga kuat dan searah. Korelasi dua variabel
bersifat signifikan karena angka signifikansi sebesar 0,00<0,01.
Catatan: angka 0,01 digunakan karena hasil penghitungan SPSS memberikan
angka signifikansi sebesar 0,01 yang ditandai dengan dua bintang
(**). Standar SPSS berada di antara 0,01 sampai 0,05.
37
38. c. Korelasi antara harga dan promosi
Berdasarkan perhitungan diperoleh angka korelasi antara variabel harga dan
promosi sebesar 0,354. Korelasi sebesar 0,354 mempunyai maksud hubungan
antara variabel harga dan promosi cukup kuat dan searah. Korelasi dua
variabel
bersifat
tidak
signifikan
karena
angka
signifikansi
sebesar
0,055>0,0050.
3. Diagram Jalur
Diagram jalur dari persamaan struktural di atas adalah sebagai berikut :
X1
rX1X2
rX1X3
X2
rX2X3
PYX1
PYX2
e
Y
PYX3
X3
Persamaan struktur untuk diagram jalur di atas sebagai berikut :
3.1.5 KESIMPULAN
Dari hasil analisis di atas diperoleh kesimpulan sebagai berikut :
1. Pengaruh variabel produk terhadap kepuasan sebesar 0,465 atau 46,5%.
2. Pengaruh variabel harga terhadap kepuasan sebesar 0,116 atau -11,6%.
3. Pengaruh variabel promosi terhadap kepuasan sebesar 0,280 atau 28%.
4. Pengaruh variabel produk, harga, dan promosi secara gabungan terhadap
kepuasan sebesar 0,406 atau 40,6%.
5. Pengaruh variabel-variabel lain di luar model analisis jalur ini sebesar 0,594
atau 59,4%.
6. Korelasi antara variabel produk dan harga sebesar 0,412.
7. Korelasi antara variabel produk dan promosi sebesar 0,634.
8. Korelasi antara variabel harga dan promosi sebesar 0,354.
38
39. BAB IV
MODEL PERSAMAAN DUA JALUR
4.1 KASUS
Model kedua ini terdiri dari tiga variabel bebas, yaitu variabel produk, harga dan
layanan dengan dua variabel tergantung, yaitu variabel kepuasan pelanggan dan
harga saham. Contoh kasus dalam model ini adalah kita ingin mengukur besarnya
pengaruh variabel produk, harga dan layanan terhadap variabel harga saham secara
langsung dan secara tidak langsung melalui variabel kepuasan pelanggan pada
perusahaan telekomunikasi “X”.
Model diagram jalurnya dapat digambarkan sebagai berikut :
Produk
Harga
Keputusan
Loyalitas
Promosi
Keterangan:
Produk merupakan variabel bebas pertama dan diberi simbol X1.
Harga merupakan variabel bebas kedua dan diberi simbol X2.
Layanan merupakan variabel bebas ketiga dan diberi simbol X3.
Kepuasan merupakan variabel tergantung satu dan diberi simbol Y1.
Loyalitas merupakan variabel tergantung dua dan diberi simbol Y2.
4.1.1 MASALAH
1. Berapa besar pengaruh variabel produk, harga dan layanan terhadap variabel
kepuasan pelanggan secara parsial atau sendiri-sendiri dan variabel mana yang
pengaruhnya paling besar?.
2. Berapa besar pengaruh variabel produk, harga dan layanan terhadap variabel
kepuasan pelanggan secara gabungan?.
39
40. 3. Berapa besar pengaruh variabel produk, harga, layanan dan kepuasan
pelanggan terhadap variabel harga saham?.
4. Berapa besar pengaruh variabel produk, harga dan layanan terhadap variabel
harga saham melalui variabel kepuasan pelanggan?.
4.1.2 DATA
Data seperti terlihat di bawah ini :
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Produk
18
15
18
14
15
17
13
19
15
19
15
16
15
16
11
13
20
16
16
16
12
18
14
15
14
11
14
12
12
9
Harga
18
18
15
15
15
16
17
19
16
19
16
12
14
17
14
16
12
13
13
15
12
16
16
15
13
11
17
13
14
15
Layanan
16
18
16
15
16
16
13
21
17
18
17
15
14
18
17
17
18
17
15
16
16
15
15
13
18
13
13
11
12
8
Kepuasan
15
12
14
13
12
13
14
12
14
15
13
11
12
12
13
14
15
14
15
14
14
14
11
12
12
10
10
10
9
8
Loyalitas
14
11
12
11
11
12
13
12
14
15
12
10
11
10
11
13
12
12
12
12
11
13
12
11
10
8
9
10
6
9
4.1.3 PENYELESAIAN
Penyelesaian masalah tersebut dilakukan melalui tahap-tahap sebagai berikut :
40
41. TAHAP I
Menentukan model diagram jalurnya berdasarkan paradigma hubungan antar
variabel sebagai berikut :
Produk
ϵ1
Harga
Keputusan
ϵ2
Loyalitas
Promosi
TAHAP II
Membuat diagram jalur persamaan strukturalnya sebagai berikut :
X1
ϵ1
X2
Y1
ϵ2
Y2
X3
Diagram jalur diatas terdiri atas dua persamaan struktural, di mana X 1, X2, dan X3
adalah variabel eksogen dan Y1 serta Y2 adalah variabel endogen. Persamaan
strukturalnya dapat dilihat sebagai berikut :
TAHAP III
Untuk menganalisis dengan menggunakan SPSS, perhatikan langkah-langkah di
bawah ini. Analisis ini terdiri dari dua langkah, analisis untuk substruktural 1 dan
untuk substruktural 2.
Substruktural 1
Analisis
Persamaan strukturalnya :
Dimana Y1 : Kepuasan
X1 : Produk
41
42. X2 : Harga
X3 : Layanan
: Error
Pertama, menghitung persamaan regresinya:
Klik analyze
Pilih Regression
Pilih Linier
Pada kolom dependen masukkan variabel kepuasan
Pada kolom independen masukkan variabel produk, harga dan layanan
Method: Enter
Klik OK.
Kedua, menghitung korelasi antara variabel produk, harga, promosi, dan kepuasan:
Klik Analyze
Pilih Correlate
Pilih Bivariate
Masukkan ke kolom Variabel, variabel produk, harga, dan layanan.
Klik OK
Hasil Perhitungan (Output): ada dua macam hasil penghitungan (output), yaitu
output regresi dan output korelasi.
Regresi
Model Summary
Model R
Adjusted Std. Error of
R Square the Estimate
a
.609
.371
.299
1.625
a. Predictors: (Constant), Layanan, Harga, Produk
1
R-Square
ANOVAb
Model
1
Sum of Df
Mean
F
Sig.
Square
Square
Regression
40.565
3 13.522 5.122 .006a
Residual
68.634
26
2.640
Total
109.199
29
a. Predictors: (Constant), Promosi, Harga, Produk
b. Dependent Variabel : Kepuasan Konsumen
42
43. Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
Std.Error
Beta
1 (Constant)
6.257
2.430
Produk
.415
.142
.567
Harga
-.084
.153
-.094
Layanan
.086
.127
.125
a. Dependent Variabel : Kepuasan Konsumen
t
2.575
2.922
-.550
.680
Sig.
.016
.007
.587
.503
Correlations
Produk Harga
Layanan
*
Produk
Pearson Correlation
1
.412
.534 **
Sig. (2-tailed)
.024
.002
N
30
30
30
*
Harga
Pearson Correlation
.412
1
.285
Sig. (2-tailed)
.024
.127
N
30
30
30
**
Layanan
Pearson Correlation
.534
.285
1
Sig. (2-tailed)
.002
.127
N
30
30
30
*Correlations is significants at the 0.05 level (2-tailed)
** Correlations is significants at the 0.01 level (2-tailed)
TAHAP IV
Penafsiran Hasil
1. Analisis Regresi
Kita akan menganalisis regresi dengan melihat pengaruh secara gabungan dan
secara parsial.
a. Melihat pengaruh produk, harga, dan layanan secara gabungan terhadap
kepuasan.
Untuk melihat pengaruh produk, harga, dan layanan secara gabungan
terhadap kepuasan, akan kita lihat hasil penghitungan dalam model summary,
khususnya angka R square di bawah ini.
Model Summary
Model R
.609a
.371
Adjusted
Std. Error of
R Square
1
R-Square
the Estimate
.299
1.625
a. Predictors: (Constant), Layanan, Harga, Produk
43
44. Besarnya angka R square (r2) adalah 0,371. Angka tersebut dapat digunakan
untuk melihat pengaruh produk, harga, dan Layanan secara gabungan
terhadap kepuasan dengan cara menghitung Koefisien Determinasi (KD)
dengan menggunakan rumus sebagai berikut :
Angka tersebut mempunyai maksud bahwa pengaruh produk, harga, dan
Layanan secara gabungan terhadap kepuasan adalah 37,1%. Adapun
sisanya sebesar 62,9% (100% - 37,1%) dipengaruhi faktor lain. Dengan kata
lain, variabilitas kepuasan yang dapat diterangkan dengan menggunakan
variabel produk, harga dan promosi adalah sebesar 37,1%, sedangkan
pengaruh sebesar 62,9% disebabkan oleh variabel-variabel lain di luar model
ini.
Untuk mengetahui apakah model regresi diatas sudah benar atau salah,
diperlukan uji hipotesis. Uji hipotesis menggunakan angka F sebagaimana
tertera dalam tabel di bawah ini.
ANOVAb
Model
Mean
Square
1
Sum of Df
Square
Regression
40.565
3
13.522
Residual
68.634
26
Sig.
5.122 .006a
2.640
109.199
F
29
Total
a. Predictors: (Constant), Promosi, Harga, Produk
b. Dependent Variabel : Kepuasan Konsumen
Hipotesisnya berbunyi sebagai berikut :
H0 : tidak ada hubungan linier antara produk, harga, dan Layanan dengan
kepuasan.
H1 : ada hubungan linier antara produk, harga, dan layanan dengan
kepuasan.
44
45. Pengujian
dapat
dilakukan
dengan
dua
cara.
Pertama
dengan
membandingkan besarnya angka F penelitian dengan F tabel. Cara kedua
ialah
dengan
membandingkan
angka
taraf
signifikansi
(sig)
hasil
penghitungan dengan taraf signifikansi 0,05 (5%).
a.1 Menggunakan cara pertama atau membandingkan besarnya angka F
penelitian dengan F tabel
Pertama: menghitung F penelitian
F penelitian dari SPSS didapatkan sebesar 5.122
Kedua: menghitung F tabel dengan ketentuan sebagai berikut :
Taraf signifikansi 0,05 dan derajat kebebasan (DK) dengan ketentuan
numerator: jumlah variabel – 1 atau 4 – 1 = 3; dan denumerator : jumlah
kasus – 4 atau 30 – 4 = 26. Dengan ketentuan tersebut, diperoleh angka
F tabel sebesar 2,69.
Ketiga: menentukan kriteria uji hipotesis sebagai berikut :
Jika F penelitian > F tabel maka H0 ditolak dan H1 diterima
Jika F penelitian < F tabel maka H0 diterima dan H1 ditolak
Keempat: mengambil keputusan
Dari hasil penghitungan didapatkan angka F penelitian sebesar 5,122 > F
tabel sebesar 2,69 sehingga H0 ditolak dan H1 diterima artinya ada
hubungan linier antara produk, harga, dan layanan dengan kepuasan.
Dengan demikian, model regresi diatas sudah layak dan benar.
Kesimpulannya ialah produk, harga, dan layanan secara gabungan
mempengaruhi
kepuasan.
Besarnya
pengaruh
ialah
37,1%.
Dan
pengaruh sebesar 62,9% disebabkan oleh variabel-variabel lain di luar
model ini.
a.2 Menggunakan cara kedua atau membandingkan angka taraf signifikansi
(sig) hasil penghitungan dengan taraf signifikansi 0,05 (5%).
Kriteria sebagai berikut :
Jika sig penelitian > F tabel maka H0 ditolak dan H1 diterima
Jika sig penelitian < F tabel maka H0 diterima dan H1 ditolak
45
46. Berdasarkan perhitungan angka signifikansi sebesar 0,006 < 0,05 maka
H0 ditolak dan H1 diterima artinya ada hubungan linier antara produk,
harga, dan layanan dengan kepuasan.
b. Melihat pengaruh produk, harga, dan layanan secara parsial terhadap
kepuasan.
Untuk melihat besarnya pengaruh produk, harga, dan layanan secara parsial
terhadap kepuasan, digunakan uji T, sedangkan untuk melihat besarnya
pengaruh, digunakan angka Beta atau Standardized Coefficients di bawah ini :
Coefficientsa
Model
1
(Constant)
Produk
Harga
Layanan
Unstandardized Coefficients
B
Std.Error
6.257
2.430
.415
.142
-.084
.153
.086
.127
Standardized Coefficients
Beta
.567
-.094
.125
T
2.575
2.922
-.550
.680
Sig.
.016
.007
.587
.503
a. Dependent Variabel : Kepuasan Konsumen
b.1 Hubungan antara produk dan kepuasan
untuk melihat apakah ada hubungan linier antara produk dan kepuasan, kita
dapat melakukan langkah-langkah analisis sebagai berikut :
Pertama: menentukan hipotesis
H0 : tidak ada hubungan linier antara produk dengan kepuasan.
H1 : ada hubungan linier antara produk dengan kepuasan.
Kedua: menghitung besarnya angka t penelitian
Hasil penghitungan SPSS diperoleh angka t penelitian sebesar 2,922.
Ketiga: menghitung besarnya angka t tabel dengan ketentuan berikut :
Taraf signifikansi 0,05 dan Derajat Kebebasan (DK) dengan ketentuan: DK=n-2,
atau 30-2=28. Dari ketentuan tersebut, diperoleh angka t tabel sebesar 2,048.
Keempat: menentukan kriteria uji hipotesis sebagai berikut :
Jika t penelitian > t tabel maka H0 ditolak dan H1 diterima
Jika t penelitian < t tabel maka H0 diterima dan H1 ditolak
Kelima: mengambil keputusan
Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar 2,922>ttabel
sebesar 2,048 sehingga H0 ditolak dan H1 diterima artinya ada hubungan linier
46
47. antara produk dengan kepuasan. Besarnya pengaruh produk dengan kepuasan
sebesar 0,567 atau 56,7%.
b.2 Hubungan antara harga dan kepuasan
untuk melihat apakah ada hubungan linier antara harga dan kepuasan, kita
dapat melakukan langkah-langkah analisis sebagai berikut :
Pertama: menentukan hipotesis
H0 : tidak ada hubungan linier antara harga dengan kepuasan.
H1 : ada hubungan linier antara harga dengan kepuasan.
Kedua: menghitung besarnya angka t penelitian
Hasil penghitungan SPSS diperoleh angka t penelitian sebesar -0,550.
Ketiga: menghitung besarnya angka t tabel dengan ketentuan berikut :
Taraf signifikansi 0,05 dan Derajat Kebebasan (DK) dengan ketentuan: DK=n-2,
atau 30-2=28. Dari ketentuan tersebut, diperoleh angka t tabel sebesar 2,048.
Keempat: menentukan kriteria uji hipotesis sebagai berikut :
Jika t penelitian > t tabel maka H0 ditolak dan H1 diterima
Jika t penelitian < t tabel maka H0 diterima dan H1 ditolak
Kelima: mengambil keputusan
Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar -0,550<ttabel
sebesar -2,048 sehingga H0 diterima dan H1 ditolak artinya tidak ada hubungan
linier antara harga dengan kepuasan. Besarnya pengaruh harga dengan
kepuasan sebesar -0,094 atau -9,4% dianggap tidak signifikan. Hal ini sesuai
dengan angka signifikan 0,016<0,05.
b.3 Hubungan antara layanan dan kepuasan
untuk melihat apakah ada hubungan linier antara layanan dan kepuasan, kita
dapat melakukan langkah-langkah analisis sebagai berikut :
Pertama: menentukan hipotesis
H0 : tidak ada hubungan linier antara layanan dengan kepuasan.
H1 : ada hubungan linier antara layanan dengan kepuasan.
Kedua: menghitung besarnya angka t penelitian
Hasil penghitungan SPSS diperoleh angka t penelitian sebesar 0,680.
Ketiga: menghitung besarnya angka t tabel dengan ketentuan berikut :
47
48. Taraf signifikansi 0,05 dan Derajat Kebebasan (DK) dengan ketentuan: DK=n-2,
atau 30-2=28. Dari ketentuan tersebut, diperoleh angka t tabel sebesar 2,048.
Keempat: menentukan kriteria uji hipotesis sebagai berikut :
Jika t penelitian > t tabel maka H0 ditolak dan H1 diterima
Jika t penelitian < t tabel maka H0 diterima dan H1 ditolak
Kelima: mengambil keputusan
Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar 0,680<ttabel
sebesar 2,048 sehingga H0 diterima dan H1 ditolak artinya tidak ada hubungan
linier antara layanan dengan kepuasan. Besarnya pengaruh layanan dengan
kepuasan sebesar 0,125 atau 12,5% dianggap tidak signifikan.
2. Analisis Korelasi
Korelasi antara produk, harga, promosi dan kepuasan dapat dilihat pada
tabel di bawah ini.
Correlations
Produk Harga
Layanan
*
Produk
Pearson Correlation
1
.412
.534 **
Sig. (2-tailed)
.024
.002
N
30
30
30
Harga
Pearson Correlation
.412*
1
.285
Sig. (2-tailed)
.024
.127
N
30
30
30
**
Layanan
Pearson Correlation
.534
.285
1
Sig. (2-tailed)
.002
.127
N
30
30
30
*Correlations is significants at the 0.05 level (2-tailed)
** Correlations is significants at the 0.01 level (2-tailed)
a. Korelasi antara produk dan harga
Berdasarkan perhitungan diperoleh angka korelasi antara variabel produk dan
harga sebesar 0,412. Untuk menafsir angka tersebut, digunakan kriteria
sebagai berikut :
0 – 0,25
>0,25 – 0,5 : Korelasi cukup kuat
>0,5 – 0,75 : Korelasi Kuat
>0,75 – 1
: Korelasi sangat lemah (dianggap tidak ada)
: Korelasi Sangat Kuat
48
49. Korelasi sebesar 0,412 mempunyai maksud hubungan antara variabel produk
dan harga kuat dan searah (karena hasilnya positif). Searah artinya jika produk
tinggi maka harga juga tinggi. Korelasi dua variabel bersifat signifikan karena
angka signifikansi sebesar 0,024 < 0,05. Jika angka signifikansi (sig)<0,05
maka hubungan kedua variabel signifikan. Sebaliknya, jika angka signifikansi
(sig)>0,05 maka hubungan kedua variabel tidak signifikan.
b. Korelasi antara produk dan promosi
Berdasarkan perhitungan diperoleh angka korelasi antara variabel produk dan
promosi sebesar 0,534. Korelasi sebesar 0,534 mempunyai maksud hubungan
antara variabel produk dan harga kuat dan searah. Korelasi dua variabel
bersifat signifikan karena angka signifikansi sebesar 0,002<0,01.
Catatan: angka 0,01 digunakan karena hasil penghitungan SPSS memberikan
angka signifikansi sebesar 0,01 yang ditandai dengan dua bintang
(**). Standar SPSS berada di antara 0,01 sampai 0,05.
c. Korelasi antara harga dan layanan
Berdasarkan perhitungan diperoleh angka korelasi antara variabel harga dan
layanan sebesar 0,285. Korelasi sebesar 0,285 mempunyai maksud hubungan
antara variabel harga dan layanan cukup kuat dan searah. Korelasi dua
variabel
bersifat
tidak
signifikan
0,127>0,005.
Substruktural 2
Analisis
Persamaan strukturalnya ialah
Dimana Y2 : Loyalitas
Y1 : Kepuasan
X1 : Produk
X2 : Harga
X3 : Layanan
: Error
49
karena
angka
signifikansi
sebesar
50. Pertama, menghitung persamaan regresinya:
Klik analyze
Pilih Regression
Pilih Linier
Pada kolom dependen masukkan variabel loyalitas
Pada kolom independen masukkan variabel produk, harga, layanan dan
kepuasan
Method: Enter
Klik OK.
Kedua, menghitung korelasi antara variabel produk, harga, layanan, dan kepuasan:
Klik Analyze
Pilih Correlate
Pilih Bivariate
Masukkan ke kolom Variabel, variabel produk, harga, dan layanan.
Klik OK
Hasil Perhitungan (Output): ada dua macam hasil penghitungan (output), yaitu
output regresi dan output korelasi.
Regresi
Model Summary
Model R
R-Square
Adjusted Std. Error of
R Square the Estimate
a
1
.935
.873
.853
.735
a. Predictors: (Constant), Kepuasan Konsumen, Layanan, Harga, Produk
ANOVAb
Model
Sum of Df
Mean
F
Sig.
Square
Square
1
Regression
93.204
3 23.301 43.148 .000a
Residual
13.501
25
.540
Total
106.705
29
a. Predictors: (Constant), Kepuasan Konsumen, Layanan, Harga, Produk
b. Dependent Variabel : Loyalitas Konsumen
50
51. Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
Std.Error
Beta
1
(Constant)
-3.780
1.231
Produk
-.066
.074
-.091
Harga
.318
.070
.361
Layanan
.110
.058
.162
Kepuasan
.768
.089
.777
a. Dependent Variabel : Loyalitas Konsumen
t
-3.070
-.892
4.580
1.899
8.658
Sig.
.005
.381
.000
.069
.000
Correlations
Produk Harga Layanan Kepuasan
Produk
Pearson Correlation
1
.412*
.534 **
.595**
Sig. (2-tailed)
.024
.002
.001
N
30
30
30
30
Harga
Pearson Correlation
.412*
1
.285
.175
Sig. (2-tailed)
.024
.127
.355
N
30
30
30
30
**
Layanan
Pearson Correlation
.534
.285
1
.401*
Sig. (2-tailed)
.002
.127
.028
N
30
30
30
30
Kepuasan Pearson Correlation
.595**
.175
.401*
1
Sig. (2-tailed)
.001
.355
.028
N
30
30
30
30
*Correlations is significants at the 0.05 level (2-tailed)
** Correlations is significants at the 0.01 level (2-tailed)
Penafsiran Hasil
1. Analisis Regresi
Kita akan menganalisis regresi dengan melihat pengaruh secara gabungan dan
secara parsial.
a. Melihat pengaruh produk, harga, layanan dan kepuasan secara gabungan
terhadap loyalitas.
Untuk melihat pengaruh produk, harga, layanan dan kepuasan secara
gabungan terhadap loyalitas, akan kita lihat hasil penghitungan dalam model
summary, khususnya angka R square di bawah ini.
Model Summary
Model R
R-Square
Adjusted Std. Error of
R Square the Estimate
1
.935a
.873
.853
.735
a. Predictors: (Constant), Kepuasan Konsumen, Layanan, Harga, Produk
51
52. Besarnya angka R square (r2) adalah 0,935. Angka tersebut dapat digunakan
untuk melihat pengaruh produk, harga, Layanan dan kepuasan secara
gabungan terhadap loyalitas dengan cara menghitung Koefisien Determinasi
(KD) dengan menggunakan rumus sebagai berikut :
Angka tersebut mempunyai maksud bahwa pengaruh produk, harga, Layanan
dan kepuasan secara gabungan terhadap loyalitas adalah 93,5%. Adapun
sisanya sebesar 12,7% (100% - 93,5%) dipengaruhi faktor lain. Dengan kata
lain, variabilitas loyalitas yang dapat diterangkan dengan menggunakan
variabel produk, harga, layanan dan kepuasan adalah sebesar 93,5%,
sedangkan pengaruh sebesar 12,7% disebabkan oleh variabel-variabel lain di
luar model ini.
Untuk mengetahui apakah model regresi diatas sudah benar atau salah,
diperlukan uji hipotesis. Uji hipotesis menggunakan angka F sebagaimana
tertera dalam tabel di bawah ini.
ANOVAb
Model
Sum of Df
Mean
F
Sig.
Square
Square
1
Regression
93.204
3 23.301 43.148 .000a
Residual
13.501
25
.540
Total
106.705
29
a. Predictors: (Constant), Kepuasan Konsumen, Layanan, Harga, Produk
b. Dependent Variabel : Loyalitas Konsumen
Hipotesisnya berbunyi sebagai berikut :
H0 : tidak ada hubungan linier antara produk, harga, Layanan dan kepuasan
dengan loyalitas.
H1 : ada hubungan linier antara produk, harga, layanan dan kepuasan
dengan loyalitas.
Pengujian
dapat
dilakukan
dengan
dua
cara.
Pertama
dengan
membandingkan besarnya angka F penelitian dengan F tabel. Cara kedua
ialah
dengan
membandingkan
angka
taraf
penghitungan dengan taraf signifikansi 0,05 (5%).
52
signifikansi
(sig)
hasil
53. a.1 Menggunakan cara pertama atau membandingkan besarnya angka F
penelitian dengan F tabel
Pertama: menghitung F penelitian
F penelitian dari SPSS didapatkan sebesar 43,148
Kedua: menghitung F tabel dengan ketentuan sebagai berikut :
Taraf signifikansi 0,05 dan derajat kebebasan (DK) dengan ketentuan
numerator: jumlah variabel – 1 atau 4 – 1 = 3; dan denumerator : jumlah
kasus – 4 atau 30 – 4 = 26. Dengan ketentuan tersebut, diperoleh angka
F tabel sebesar 2,74.
Ketiga: menentukan kriteria uji hipotesis sebagai berikut :
Jika F penelitian > F tabel maka H0 ditolak dan H1 diterima
Jika F penelitian < F tabel maka H0 diterima dan H1 ditolak
Keempat: mengambil keputusan
Dari hasil penghitungan didapatkan angka F penelitian sebesar 43,148 >
F tabel sebesar 2,74 sehingga H0 ditolak dan H1 diterima artinya ada
hubungan linier antara produk, harga, layanan dan kepuasan dengan
loyalitas. Dengan demikian, model regresi diatas sudah layak dan benar.
Kesimpulannya ialah produk, harga, layanan dan kepuasan secara
gabungan mempengaruhi loyalitas. Besarnya pengaruh ialah 87,3%. Dan
pengaruh sebesar 12,7% disebabkan oleh variabel-variabel lain di luar
model ini.
a.2 Menggunakan cara kedua atau membandingkan angka taraf signifikansi
(sig) hasil penghitungan dengan taraf signifikansi 0,05 (5%).
Kriteria sebagai berikut :
Jika sig penelitian > F tabel maka H0 ditolak dan H1 diterima
Jika sig penelitian < F tabel maka H0 diterima dan H1 ditolak
Berdasarkan perhitungan angka signifikansi sebesar 0,00 < 0,05 maka H0
ditolak dan H1 diterima artinya ada hubungan linier antara produk, harga,
layanan dan kepuasan dengan loyalitas.
53
54. b. Melihat pengaruh produk, harga, layanan dan kepuasan secara parsial
terhadap loyalitas.
Untuk melihat besarnya pengaruh produk, harga, layanan dan kepuasan
secara parsial terhadap loyalitas, digunakan uji T, sedangkan untuk melihat
besarnya pengaruh, digunakan angka Beta atau Standardized Coefficients di
bawah ini :
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
Std.Error
Beta
1
(Constant)
-3.780
1.231
Produk
-.066
.074
-.091
Harga
.318
.070
.361
Layanan
.110
.058
.162
Kepuasan
.768
.089
.777
a. Dependent Variabel : Loyalitas Konsumen
t
-3.070
-.892
4.580
1.899
8.658
Sig.
.005
.381
.000
.069
.000
b.1 Hubungan antara produk dan loyalitas
untuk melihat apakah ada hubungan linier antara produk dan loyalitas, kita dapat
melakukan langkah-langkah analisis sebagai berikut :
Pertama: menentukan hipotesis
H0 : tidak ada hubungan linier antara produk dengan loyalitas.
H1 : ada hubungan linier antara produk dengan loyalitas.
Kedua: menghitung besarnya angka t penelitian
Hasil penghitungan SPSS diperoleh angka t penelitian sebesar -0,892.
Ketiga: menghitung besarnya angka t tabel dengan ketentuan berikut :
Taraf signifikansi 0,05 dan Derajat Kebebasan (DK) dengan ketentuan: DK=n-2,
atau 30-2=28. Dari ketentuan tersebut, diperoleh angka t tabel sebesar 2,048.
Keempat: menentukan kriteria uji hipotesis sebagai berikut :
Jika t penelitian > t tabel maka H0 ditolak dan H1 diterima
Jika t penelitian < t tabel maka H0 diterima dan H1 ditolak
Kelima: mengambil keputusan
Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar -0,892<ttabel
sebesar -2,048 sehingga H0 diterima dan H1 ditolak artinya tidak ada hubungan
linier antara produk dengan loyalitas. Besarnya pengaruh
54
produk dengan
55. loyalitas sebesar -0,09 atau 9,1% dianggap tidak signifikan. Hal ini tercermin
dalam angka signifikansi sebesar 0,381>0,05.
b.2 Hubungan antara harga dan loyalitas
untuk melihat apakah ada hubungan linier antara harga dan loyalitas, kita dapat
melakukan langkah-langkah analisis sebagai berikut :
Pertama: menentukan hipotesis
H0 : tidak ada hubungan linier antara harga dengan loyalitas.
H1 : ada hubungan linier antara harga dengan loyalitas.
Kedua: menghitung besarnya angka t penelitian
Hasil penghitungan SPSS diperoleh angka t penelitian sebesar 4,580.
Ketiga: menghitung besarnya angka t tabel dengan ketentuan berikut :
Taraf signifikansi 0,05 dan Derajat Kebebasan (DK) dengan ketentuan: DK=n-2,
atau 30-2=28. Dari ketentuan tersebut, diperoleh angka t tabel sebesar 2,048.
Keempat: menentukan kriteria uji hipotesis sebagai berikut :
Jika t penelitian > t tabel maka H0 ditolak dan H1 diterima
Jika t penelitian < t tabel maka H0 diterima dan H1 ditolak
Kelima: mengambil keputusan
Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar 4,580>ttabel
sebesar 2,048 sehingga H0 ditolak dan H1 diterima artinya ada hubungan linier
antara harga dengan loyalitas. Besarnya pengaruh harga dengan loyalitas
sebesar 0,361 atau 36,1%.
b.3 Hubungan antara layanan dan loyalitas
untuk melihat apakah ada hubungan linier antara layanan dan loyalitas, kita
dapat melakukan langkah-langkah analisis sebagai berikut :
Pertama: menentukan hipotesis
H0 : tidak ada hubungan linier antara layanan dengan loyalitas.
H1 : ada hubungan linier antara layanan dengan loyalitas.
Kedua: menghitung besarnya angka t penelitian
Hasil penghitungan SPSS diperoleh angka t penelitian sebesar 1,899.
Ketiga: menghitung besarnya angka t tabel dengan ketentuan berikut :
Taraf signifikansi 0,05 dan Derajat Kebebasan (DK) dengan ketentuan: DK=n-2,
atau 30-2=28. Dari ketentuan tersebut, diperoleh angka t tabel sebesar 2,048.
55
56. Keempat: menentukan kriteria uji hipotesis sebagai berikut :
Jika t penelitian > t tabel maka H0 ditolak dan H1 diterima
Jika t penelitian < t tabel maka H0 diterima dan H1 ditolak
Kelima: mengambil keputusan
Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar 1,899<ttabel
sebesar 2,048 sehingga H0 diterima dan H1 ditolak artinya tidak ada hubungan
linier antara layanan dengan kepuasan. Besarnya pengaruh layanan dengan
kepuasan sebesar 0,162 atau 16,2% dianggap tidak signifikan.
b.4 Hubungan antara kepuasan dan loyalitas
untuk melihat apakah ada hubungan linier antara kepuasan dan loyalitas, kita
dapat melakukan langkah-langkah analisis sebagai berikut :
Pertama: menentukan hipotesis
H0 : tidak ada hubungan linier antara kepuasan dengan loyalitas.
H1 : ada hubungan linier antara kepuasan dengan loyalitas.
Kedua: menghitung besarnya angka t penelitian
Hasil penghitungan SPSS diperoleh angka t penelitian sebesar 8,658.
Ketiga: menghitung besarnya angka t tabel dengan ketentuan berikut :
Taraf signifikansi 0,05 dan Derajat Kebebasan (DK) dengan ketentuan: DK=n-2,
atau 30-2=28. Dari ketentuan tersebut, diperoleh angka t tabel sebesar 2,048.
Keempat: menentukan kriteria uji hipotesis sebagai berikut :
Jika t penelitian > t tabel maka H0 ditolak dan H1 diterima
Jika t penelitian < t tabel maka H0 diterima dan H1 ditolak
Kelima: mengambil keputusan
Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar 8,658>t tabel
sebesar 2,048 sehingga H0 ditolak dan H1 diterima artinya ada hubungan linier
antara kepuasan dengan loyalitas. Besarnya pengaruh kepuasan dengan
loyalitas sebesar 0,777 atau 77,7%.
2. Analisis Korelasi
Korelasi antara produk, harga, layanan,
dilihat pada tabel di bawah ini.
56
kepuasan dan loyalitas dapat
57. Correlations
Produk Harga Layanan Kepuasan
Pearson Correlation
1
.412*
.534 **
.595**
Sig. (2-tailed)
.024
.002
.001
N
30
30
30
30
*
Harga
Pearson Correlation
.412
1
.285
.175
Sig. (2-tailed)
.024
.127
.355
N
30
30
30
30
Layanan
Pearson Correlation
.534**
.285
1
.401*
Sig. (2-tailed)
.002
.127
.028
N
30
30
30
30
**
*
Kepuasan Pearson Correlation
.595
.175
.401
1
Sig. (2-tailed)
.001
.355
.028
N
30
30
30
30
*Correlations is significants at the 0.05 level (2-tailed)
Produk
** Correlations is significants at the 0.01 level (2-tailed)
a. Korelasi antara produk dan harga
Berdasarkan perhitungan diperoleh angka korelasi antara variabel produk dan
harga sebesar 0,412. Untuk menafsir angka tersebut, digunakan kriteria
sebagai berikut :
0 – 0,25
>0,25 – 0,5 : Korelasi cukup kuat
>0,5 – 0,75 : Korelasi Kuat
>0,75 – 1
: Korelasi sangat lemah (dianggap tidak ada)
: Korelasi Sangat Kuat
Korelasi sebesar 0,412 mempunyai maksud hubungan antara variabel produk
dan harga kuat dan searah (karena hasilnya positif). Searah artinya jika produk
tinggi maka harga juga tinggi. Korelasi dua variabel bersifat signifikan karena
angka signifikansi sebesar 0,024 < 0,05. Jika angka signifikansi (sig)<0,05
maka hubungan kedua variabel signifikan. Sebaliknya, jika angka signifikansi
(sig)>0,05 maka hubungan kedua variabel tidak signifikan.
b. Korelasi antara produk dan layanan
Berdasarkan perhitungan diperoleh angka korelasi antara variabel produk dan
layanan sebesar 0,534. Korelasi sebesar 0,534 mempunyai maksud hubungan
antara variabel produk dan layanan kuat dan searah. Korelasi dua variabel
bersifat signifikan karena angka signifikansi sebesar 0,002<0,02.
57
58. Catatan: angka 0,02 digunakan karena hasil penghitungan SPSS memberikan
angka signifikansi sebesar 0,02 yang ditandai dengan dua bintang
(**). Standar SPSS berada di antara 0,01 sampai 0,05.
c. Korelasi antara produk dan kepuasan konsumen
Berdasarkan perhitungan diperoleh angka korelasi antara variabel produk dan
kepuasan konsumen sebesar 0,595. Korelasi sebesar 0,595 mempunyai
maksud hubungan antara variabel produk dan kepuasan konsumen kuat dan
searah. Korelasi dua variabel bersifat signifikan karena angka signifikansi
sebesar 0,00<0,01.
Catatan: angka 0,01 digunakan karena hasil penghitungan SPSS memberikan
angka signifikansi sebesar 0,01 yang ditandai dengan dua bintang
(**). Standar SPSS berada di antara 0,01 sampai 0,05.
d. Korelasi antara harga dan layanan
Berdasarkan perhitungan diperoleh angka korelasi antara variabel harga dan
layanan sebesar 0,285. Korelasi sebesar 0,285 mempunyai maksud hubungan
antara variabel harga dan layanan cukup kuat dan searah. Korelasi dua
variabel bersifat tidak signifikan karena angka signifikansi sebesar 0,127>0,05.
e. Korelasi antara harga dan kepuasan
Berdasarkan perhitungan diperoleh angka korelasi antara variabel harga dan
kepuasan sebesar 0,175. Korelasi sebesar 0,175 mempunyai maksud
hubungan antara variabel harga dan kepuasan sangat lemah dan searah.
Korelasi dua variabel bersifat signifikan karena angka signifikansi sebesar
0,355>0,05.
f. Korelasi antara layanan dan kepuasan
Berdasarkan perhitungan diperoleh angka korelasi antara variabel layanan dan
kepuasan sebesar 0,401. Korelasi sebesar 0,401 mempunyai maksud
hubungan antara variabel layanan dan kepuasan sangat kuat dan searah.
Korelasi dua variabel bersifat signifikan karena angka signifikansi sebesar
0,028>0,05.
58
59. 3. Penghitungan Pengaruh
a. Pengaruh Langsung (Direct Effect atau DE)
Untuk menghitung pengaruh langsung atau DE, digunakan formula sebagai
berikut :
Pengaruh variabel produk terhadap kepuasan
Pengaruh variabel harga terhadap kepuasan
Pengaruh variabel layanan terhadap kepuasan
Pengaruh variabel produk terhadap loyalitas
Pengaruh variabel layanan terhadap loyalitas
Pengaruh variabel kepuasan terhadap loyalitas
b. Pengaruh Tidak Langsung (Indirect Effect atau IE)
Untuk menghitung pengaruh tidak langsung atau IE, digunakan formula
sebagai berikut :
Pengaruh variabel produk terhadap loyalitas melalui kepuasan
(
)
Pengaruh variabel harga terhadap loyalitas melalui kepuasan
(
)
Pengaruh variabel layanan terhadap loyalitas melalui kepuasan
(
)
c. Pengaruh Total (Total Effect)
Pengaruh variabel produk terhadap loyalitas melalui kepuasan
(
)
Pengaruh variabel harga terhadap loyalitas melalui kepuasan
(
)
Pengaruh variabel layanan terhadap loyalitas melalui kepuasan
59
60. (
)
Pengaruh variabel produk terhadap loyalitas
Pengaruh variabel layanan terhadap loyalitas
Pengaruh variabel kepuasan terhadap loyalitas
4. Diagram jalur untuk Model II
Diagram jalur untuk Model II seperti di bawah ini :
ϵ1
X1
PY1X1
rX1X2
rX1X3
X2
rX2X3
PY2X1
PY1X2
PY1X3
ϵ2
Y1
PY2Y1
Y2
PY2X3
X3
0,629
0,127
X1
0,567
0,412
0,534
X2
0,285
-0,094
0,125
-0,091
Y1
0,777
Y2
0,162
X3
Persamaan struktural untuk model tersebut ialah :
Sub struktur 1 :
Sub struktur 2 :
4.1.4 KESIMPULAN
Dari hasil analisis perhitungan diatas, kita dapat mengambil kesimpulan sebagai
berikut :
1. Pengaruh variabel produk terhadap loyalitas secara langsung sebesar -0,091.
2. Pengaruh variabel layanan terhadap loyalitas secara langsung sebesar 0,162
60
61. 3. Pengaruh variabel kepuasan terhadap loyalitas secara langsung sebesar
0,777.
4. Pengaruh variabel produk, harga, layanan, dan kepuasan terhadap loyalitas
secara gabungan sebesar 0,873.
5. Pengaruh variabel-variabel lain di luar model terhadap loyalitas sebesar
0,127.
6. Pengaruh variabel produk terhadap kepuasan sebesar 0,567
7. Pengaruh variabel harga terhadap kepuasan sebesar -0,094
8. Pengaruh variabel layanan terhadap kepuasan sebesar 0,125
9. Pengaruh variabel produk, harga, dan layanan terhadap kepuasan secara
gabungan sebesar 0,371.
10. Pengaruh variabel-variabel lain di luar model terhadap kepuasan sebesar
0,629.
61
62. BAB V
MODEL PERSAMAAN TIGA JALUR
5.1 KASUS
Model ketiga ini terdiri atas variabel bebas produk, harga dan layanan. Variabel
bebas ketiga berfungsi sebagai variabel perantara. Variabel tergantung terdiri dari
dua variabel, yaitu variabel kepuasan pelanggan dan harga saham. Contoh
kasusnya ialah, kita ingin mengukur besarnya pengaruh variabel bebas produk,
harga dan layanan terhadap kepuasan pelanggan serta harga saham, baik secara
langsung maupun tidak langsung pada perusahaan telekomunikasi seluler “P”.
Model diagram jalurnya sebagai berikut :
Produk
Kepuasan
Layanan
Harga
Loyalitas
5.1.1 MASALAH
1. Berapa besar pengaruh variabel produk dan harga terhadap layanan secara
parsial ?
2. Berapa besar pengaruh variabel produk dan harga terhadap layanan secara
bersama-sama ?
3. Berapa besar pengaruh variabel produk, harga dan layanan terhadap kepuasan
secara parsial dan variabel mana yang pengaruhnya paling besar ?
4. Berapa besar pengaruh variabel produk dan harga terhadap kepuasan
pelanggan melalui layanan ?
5. Berapa besar pengaruh variabel produk, harga dan layanan terhadap harga
saham secara parsial dan variabel mana yang pengaruhnya paling besar ?
6. Berapa besar pengaruh variabel produk dan harga terhadap harga saham
melalui layanan ?
62
63. 7. Berapa besar pengaruh variabel produk, harga, layanan dan kepuasan terhadap
harga saham baik secara gabungan atau sendiri-sendiri ?
8. Berapa besar pengaruh variabel produk, harga dan layanan terhadap harga
saham melalui kepuasan pelanggan ?
9. Berapa besar pengaruh variabel produk dan harga terhadap harga saham
melalui layanan dan kepuasan pelanggan ?
10. Berapa besar pengaruh variabel layanan terhadap harga saham melalui
kepuasan pelanggan ?
5.1.2 DATA
Data seperti terlihat di bawah ini :
No
Produk Harga
Layanan Kepuasan Loyalitas
1
18
18
16
15
14
2
15
18
18
12
11
3
18
15
16
14
12
4
14
15
15
13
11
5
15
15
16
12
11
6
17
16
16
13
12
7
13
17
13
14
13
8
19
19
21
12
12
9
15
16
17
14
14
10
19
19
18
15
15
11
15
16
17
13
12
12
16
12
15
11
10
13
15
14
14
12
11
14
16
17
18
12
10
15
11
14
17
13
11
16
13
16
17
14
13
17
20
12
18
15
12
18
16
13
17
14
12
19
16
13
15
15
12
20
16
15
16
14
12
21
12
12
16
14
11
63
65. TAHAP II
Tahap berikutnya adalah menentukan model diagram jalurnya
PY1X1
X1
PY1X3
PX3X1
rX1X2
Y1
PY2Y1
X3
PY2X3
PX3X2
X2
PY2X2
Y2
TAHAP III
Untuk menganalisis dengan menggunakan SPSS, perhatikan langkah-langkahdi
bawah ini. Analisis terbagi ke dalam tiga bagian, analisis substruktural 1, 2 dan 3.
Substruktur I
Analisis
Persamaan strukturalnya :
Dimana :
X3 : Layanan
X2 : Harga
X1 : Produk
: Error
Pertama, menghitung persamaan regresinya:
Klik analyze
Pilih Regression
Pilih Linier
Pada kolom dependen masukkan variabel layanan
Pada kolom independen masukkan variabel produk dan harga
Method: Enter
Klik OK.
Kedua, menghitung korelasi antara variabel produk, harga, layanan, dan kepuasan:
65
66.
Klik Analyze
Pilih Correlate
Pilih Bivariate
Masukkan ke kolom Variabel, variabel produk, harga, dan layanan.
Klik OK
Hasil Perhitungan (Output): ada dua macam hasil penghitungan (output), yaitu
output regresi dan output korelasi.
Model Summary
Model R
R-Square
Adjusted Std. Error of
R Square the Estimate
a
1
.539
.290
.238
2.462
a. Predictors: (Constant), Harga, Produk
ANOVAb
Model
Sum of Df
Mean
F
Sig.
Square
Square
1
Regression
66.894
3 33.447 5.519 .010a
Residual
163.614
27
6.060
Total
230.508
29
a. Predictors: (Constant), Harga, Produk
b. Dependent Variabel : Layanan Konsumen
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
Std.Error
Beta
1
(Constant)
6.178
3.484
Produk
.534
.189
.502
Harga
.102
.231
.079
a. Dependent Variabel : Loyalitas Konsumen
Correlations
Produk Harga
Produk
Pearson Correlation
1
.412*
Sig. (2-tailed)
.024
N
30
30
*
Harga
Pearson Correlation
.412
1
Sig. (2-tailed)
.024
N
30
30
*Correlations is significants at the 0.05 level (2-tailed)
** Correlations is significants at the 0.01 level (2-tailed)
66
t
Sig.
1.773 .087
2.819 .009
.442 .662
67. Penafsiran Hasil
1. Analisis Regresi
Kita akan menganalisis regresi dengan melihat pengaruh secara gabungan dan
secara parsial.
b. Melihat pengaruh produk dan harga secara gabungan terhadap layanan.
Untuk melihat pengaruh produk dan harga secara gabungan terhadap
layanan, akan kita lihat hasil penghitungan dalam model summary, khususnya
angka R square di bawah ini.
Model Summary
Model R
R-Square
Adjusted Std. Error of
R Square the Estimate
a
1
.539
.290
.238
2.462
a. Predictors: (Constant), Harga, Produk
Besarnya angka R square (r2) adalah 0,290. Angka tersebut dapat digunakan
untuk melihat pengaruh produk, harga, dan Layanan secara gabungan
terhadap kepuasan dengan cara menghitung Koefisien Determinasi (KD)
dengan menggunakan rumus sebagai berikut :
Angka tersebut mempunyai maksud bahwa pengaruh produk dan harga
secara gabungan terhadap Layanan adalah 29%. Adapun sisanya sebesar
71% (100% - 29%) dipengaruhi faktor lain. Dengan kata lain, variabilitas
layanan yang dapat diterangkan dengan menggunakan variabel produk dan
harga adalah sebesar 29%, sedangkan pengaruh sebesar 71% disebabkan
oleh variabel-variabel lain di luar model ini.
Untuk mengetahui apakah model regresi diatas sudah benar atau salah,
diperlukan uji hipotesis. Uji hipotesis menggunakan angka F sebagaimana
tertera dalam tabel di bawah ini.
ANOVAb
Model
1
Regression
Residual
Total
Sum of Df
Mean
F
Sig.
Square
Square
66.894
3 33.447 5.519 .010a
163.614
27
6.060
230.508
29
67
68. a. Predictors: (Constant), Harga, Produk
b. Dependent Variabel : Layanan Konsumen
Hipotesisnya berbunyi sebagai berikut :
H0 : tidak ada hubungan linier antara produk dan harga dengan Layanan.
H1 : ada hubungan linier antara produk dan harga dengan Layanan.
Pengujian
dapat
dilakukan
dengan
dua
cara.
Pertama
dengan
membandingkan besarnya angka F penelitian dengan F tabel. Cara kedua
ialah
dengan
membandingkan
angka
taraf
signifikansi
(sig)
hasil
penghitungan dengan taraf signifikansi 0,05 (5%).
a.1 Menggunakan cara pertama atau membandingkan besarnya angka F
penelitian dengan F tabel
Pertama: menghitung F penelitian
F penelitian dari SPSS didapatkan sebesar 5,519
Kedua: menghitung F tabel dengan ketentuan sebagai berikut :
Taraf signifikansi 0,05 dan derajat kebebasan (DK) dengan ketentuan
numerator: jumlah variabel – 1 atau 4 – 1 = 3; dan denumerator : jumlah
kasus – 4 atau 30 – 4 = 26. Dengan ketentuan tersebut, diperoleh angka
F tabel sebesar 2,74.
Ketiga: menentukan kriteria uji hipotesis sebagai berikut :
Jika F penelitian > F tabel maka H0 ditolak dan H1 diterima
Jika F penelitian < F tabel maka H0 diterima dan H1 ditolak
Keempat: mengambil keputusan
Dari hasil penghitungan didapatkan angka F penelitian sebesar 5,519 > F
tabel sebesar 2,74 sehingga H0 ditolak dan H1 diterima artinya ada
hubungan linier antara produk dan harga dengan loyalitas. Dengan
demikian, model regresi diatas sudah layak dan benar. Kesimpulannya
ialah produk dan harga secara gabungan mempengaruhi loyalitas.
Besarnya pengaruh ialah 29%. Dan pengaruh sebesar 71% disebabkan
oleh variabel-variabel lain di luar model ini.
a.2 Menggunakan cara kedua atau membandingkan angka taraf signifikansi
(sig) hasil penghitungan dengan taraf signifikansi 0,05 (5%).
Kriteria sebagai berikut :
68
69. Jika sig penelitian > F tabel maka H0 ditolak dan H1 diterima
Jika sig penelitian < F tabel maka H0 diterima dan H1 ditolak
Berdasarkan perhitungan angka signifikansi sebesar 0,010 < 0,05 maka
H0 ditolak dan H1 diterima artinya ada hubungan linier antara produk dan
harga dengan loyalitas.
c. Melihat pengaruh produk, harga, layanan dan kepuasan secara parsial
terhadap loyalitas.
Untuk melihat besarnya pengaruh produk, harga, layanan dan kepuasan
secara parsial terhadap loyalitas, digunakan uji T, sedangkan untuk melihat
besarnya pengaruh, digunakan angka Beta atau Standardized Coefficients di
bawah ini :
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
Std.Error
Beta
1
(Constant)
6.178
3.484
Produk
.534
.189
.502
Harga
.102
.231
.079
a. Dependent Variabel : Loyalitas Konsumen
t
Sig.
1.773 .087
2.819 .009
.442 .662
b.1 Hubungan antara produk dan layanan
untuk melihat apakah ada hubungan linier antara produk dan layanan, kita dapat
melakukan langkah-langkah analisis sebagai berikut :
Pertama: menentukan hipotesis
H0 : tidak ada hubungan linier antara produk dengan layanan.
H1 : ada hubungan linier antara produk dengan layanan.
Kedua: menghitung besarnya angka t penelitian
Hasil penghitungan SPSS diperoleh angka t penelitian sebesar 2,819.
Ketiga: menghitung besarnya angka t tabel dengan ketentuan berikut :
Taraf signifikansi 0,05 dan Derajat Kebebasan (DK) dengan ketentuan: DK=n-2,
atau 30-2=28. Dari ketentuan tersebut, diperoleh angka t tabel sebesar 2,048.
Keempat: menentukan kriteria uji hipotesis sebagai berikut :
Jika t penelitian > t tabel maka H0 ditolak dan H1 diterima
Jika t penelitian < t tabel maka H0 diterima dan H1 ditolak
69
70. Kelima: mengambil keputusan
Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar 2,819<ttabel
sebesar 2,048 sehingga H0 ditolak dan H1 diterima artinya ada hubungan linier
antara produk dengan layanan. Besarnya pengaruh produk dengan layanan
sebesar 0,502 atau 50,2% dianggap signifikan.
b.2 Hubungan antara harga dan layanan
untuk melihat apakah ada hubungan linier antara harga dan layanan, kita dapat
melakukan langkah-langkah analisis sebagai berikut :
Pertama: menentukan hipotesis
H0 : tidak ada hubungan linier antara harga dengan layanan.
H1 : ada hubungan linier antara harga dengan layanan.
Kedua: menghitung besarnya angka t penelitian
Hasil penghitungan SPSS diperoleh angka t penelitian sebesar 0,442.
Ketiga: menghitung besarnya angka t tabel dengan ketentuan berikut :
Taraf signifikansi 0,05 dan Derajat Kebebasan (DK) dengan ketentuan: DK=n-2,
atau 30-2=28. Dari ketentuan tersebut, diperoleh angka t tabel sebesar 2,048.
Keempat: menentukan kriteria uji hipotesis sebagai berikut :
Jika t penelitian > t tabel maka H0 ditolak dan H1 diterima
Jika t penelitian < t tabel maka H0 diterima dan H1 ditolak
Kelima: mengambil keputusan
Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar 0,442<ttabel
sebesar 2,048 sehingga H0 diterima dan H1 ditolak artinya tidak ada hubungan
linier antara harga dengan layanan. Besarnya pengaruh harga dengan layanan
sebesar 0,079 atau 7,9%. Dianggap tidak signifikan.
2. Analisis Korelasi
Bagian kedua akan menganalisis korelasi antara variabel produk dan harga
dengan hasil perhitungan SPSS sebagaimana tertera di bawah ini :
Correlations
Produk
Harga
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Produk Harga
1
.412*
.024
30
30
*
.412
1
70
71. Sig. (2-tailed)
.024
N
30
30
*Correlations is significants at the 0.05 level (2-tailed)
** Correlations is significants at the 0.01 level (2-tailed)
Berdasarkan perhitungan diperoleh angka korelasi antara variabel produk dan
harga sebesar 0,412. Untuk menafsir angka tersebut, digunakan kriteria
sebagai berikut :
0 – 0,25
>0,25 – 0,5 : Korelasi cukup kuat
>0,5 – 0,75 : Korelasi Kuat
>0,75 – 1
: Korelasi sangat lemah (dianggap tidak ada)
: Korelasi Sangat Kuat
Korelasi sebesar 0,412 mempunyai maksud hubungan antara variabel produk
dan harga kuat dan searah (karena hasilnya positif). Searah artinya jika produk
tinggi maka harga juga tinggi. Korelasi dua variabel bersifat signifikan karena
angka signifikansi sebesar 0,024 < 0,05. Jika angka signifikansi (sig)<0,05
maka hubungan kedua variabel signifikan. Sebaliknya, jika angka signifikansi
(sig)>0,05 maka hubungan kedua variabel tidak signifikan.
Substruktur 2
Analisis
Persamaan Strukturalnya :
Dimana :
Y1 : Kepuasan
X1 : Produk
X2 : Harga
X3 : Layanan
: Error
Pertama, menghitung persamaan regresinya:
Klik analyze
Pilih Regression
Pilih Linier
Pada kolom dependen masukkan variabel kepuasan
71
72.
Pada kolom independen masukkan variabel produk, harga dan layanan
Method: Enter
Klik OK.
Kedua, menghitung korelasi antara variabel produk, harga, layanan, dan layanan:
Klik Analyze
Pilih Correlate
Pilih Bivariate
Masukkan ke kolom Variabel, variabel produk, harga, dan layanan.
Klik OK
Hasil Perhitungan (Output): ada dua macam hasil penghitungan (output), yaitu
output regresi dan output korelasi.
Model Summary
Model R
R-Square
Adjusted Std. Error of
R Square the Estimate
1
.609a
.371
.299
1.625
a. Predictors: (Constant), Harga, Produk
ANOVAb
Model
1
Sum of Df
Mean
F
Sig.
Square
Square
Regression
40.565
3 13.522 5.122 .006a
Residual
68.634
26
2.640
Total
109.199
29
a. Predictors: (Constant), Harga, Produk
b. Dependent Variabel : Layanan Konsumen
Coefficientsa
Model
1
Unstandardized
Standardized
Coefficients
Coefficients
B
Std.Error
Beta
(Constant)
6.257
2.430
Produk
.415
.142
.567
Harga
-.084
.153
-.094
Layanan
.086
.127
.125
a. Dependent Variabel : Loyalitas Konsumen
72
T
2.575
2.922
-.550
.680
Sig.
.016
.007
.587
.503
73. Correlations
Produk Harga Layanan
Pearson Correlation
1
.412*
.534**
Sig. (2-tailed)
.024
.002
N
30
30
30
*
Harga
Pearson Correlation
.412
1
.285
Sig. (2-tailed)
.024
.127
N
30
30
30
Layanan
Pearson Correlation
.534**
.285
1
Sig. (2-tailed)
.002
.127
N
30
30
30
*Correlations is significants at the 0.05 level (2-tailed)
Produk
** Correlations is significants at the 0.01 level (2-tailed)
Penafsiran Hasil
1. Analisis Regresi
Kita akan menganalisis regresi dengan melihat pengaruh secara gabungan dan
secara parsial.
a. Melihat pengaruh produk, harga dan layanan secara gabungan terhadap
kepuasan.
Untuk melihat pengaruh produk, harga dan layanan secara gabungan
terhadap kepuasan, akan kita lihat hasil penghitungan dalam model summary,
khususnya angka R square di bawah ini.
Model Summary
Model R
R-Square
Adjusted Std. Error of
R Square the Estimate
a
1
.609
.371
.299
1.625
a. Predictors: (Constant), Harga, Produk
Besarnya angka R square (r2) adalah 0,371. Angka tersebut dapat digunakan
untuk melihat pengaruh produk, harga, dan Layanan secara gabungan
terhadap kepuasan dengan cara menghitung Koefisien Determinasi (KD)
dengan menggunakan rumus sebagai berikut :
Angka tersebut mempunyai maksud bahwa pengaruh produk, harga dan
Layanan secara gabungan terhadap kepuasan adalah 37,1%. Adapun
sisanya sebesar 62,9% (100% - 37,1%) dipengaruhi faktor lain. Dengan kata
73
74. lain, variabilitas kepuasan yang dapat diterangkan dengan menggunakan
variabel produk, harga dan layanan adalah sebesar 37,1%, sedangkan
pengaruh sebesar 62,9% disebabkan oleh variabel-variabel lain di luar model
ini.
Untuk mengetahui apakah model regresi diatas sudah benar atau salah,
diperlukan uji hipotesis. Uji hipotesis menggunakan angka F sebagaimana
tertera dalam tabel di bawah ini.
ANOVAb
Model
Sum of Df
Mean
F
Sig.
Square
Square
Regression
40.565
3 13.522 5.122 .006a
Residual
68.634
26
2.640
Total
109.199
29
a. Predictors: (Constant), Harga, Produk
1
b. Dependent Variabel : Layanan Konsumen
Hipotesisnya berbunyi sebagai berikut :
H0 : tidak ada hubungan linier antara produk, harga dan Layanan dengan
kepuasan.
H1 : ada hubungan linier antara produk, harga dan Layanan dengan
kepuasan.
Pengujian
dapat
dilakukan
dengan
dua
cara.
Pertama
dengan
membandingkan besarnya angka F penelitian dengan F tabel. Cara kedua
ialah
dengan
membandingkan
angka
taraf
signifikansi
(sig)
hasil
penghitungan dengan taraf signifikansi 0,05 (5%).
a.1 Menggunakan cara pertama
atau membandingkan besarnya angka F
penelitian dengan F tabel
Pertama: menghitung F penelitian
F penelitian dari SPSS didapatkan sebesar 5,122
Kedua: menghitung F tabel dengan ketentuan sebagai berikut :
Taraf signifikansi 0,05 dan derajat kebebasan (DK) dengan ketentuan
numerator: jumlah variabel – 1 atau 4 – 1 = 3; dan denumerator : jumlah
kasus – 4 atau 30 – 4 = 26. Dengan ketentuan tersebut, diperoleh angka
F tabel sebesar 2,77.
Ketiga: menentukan kriteria uji hipotesis sebagai berikut :
74
75. Jika F penelitian > F tabel maka H0 ditolak dan H1 diterima
Jika F penelitian < F tabel maka H0 diterima dan H1 ditolak
Keempat: mengambil keputusan
Dari hasil penghitungan didapatkan angka F penelitian sebesar 5,122 > F
tabel sebesar 2,77 sehingga H0 ditolak dan H1 diterima artinya ada
hubungan linier antara produk, harga dan layanan dengan kepuasan.
Dengan demikian, model regresi diatas sudah layak dan benar.
Kesimpulannya ialah produk, harga dan layanan secara gabungan
mempengaruhi
kepuasan.
Besarnya
pengaruh
ialah
37,1%.
Dan
pengaruh sebesar 62,9% disebabkan oleh variabel-variabel lain di luar
model ini.
a.2 Menggunakan cara kedua atau membandingkan angka taraf signifikansi
(sig) hasil penghitungan dengan taraf signifikansi 0,05 (5%).
Kriteria sebagai berikut :
Jika sig penelitian > F tabel maka H0 ditolak dan H1 diterima
Jika sig penelitian < F tabel maka H0 diterima dan H1 ditolak
Berdasarkan perhitungan angka signifikansi sebesar 0,006 < 0,05 maka
H0 ditolak dan H1 diterima artinya ada hubungan linier antara produk,
harga dan layanan dengan kepuasan.
b. Melihat pengaruh produk, harga dan layanan secara parsial terhadap
kepuasan.
Untuk melihat besarnya pengaruh produk, harga dan layanan secara parsial
terhadap kepuasan, digunakan uji T, sedangkan untuk melihat besarnya
pengaruh, digunakan angka Beta atau Standardized Coefficients di bawah ini :
Coefficientsa
Model
1
Unstandardized
Standardized
Coefficients
Coefficients
B
Std.Error
Beta
(Constant)
6.257
2.430
Produk
.415
.142
.567
Harga
-.084
.153
-.094
Layanan
.086
.127
.125
a. Dependent Variabel : Loyalitas Konsumen
75
T
2.575
2.922
-.550
.680
Sig.
.016
.007
.587
.503
76. b.1 Hubungan antara produk dan kepuasan
untuk melihat apakah ada hubungan linier antara produk dan kepuasan, kita
dapat melakukan langkah-langkah analisis sebagai berikut :
Pertama: menentukan hipotesis
H0 : tidak ada hubungan linier antara produk dengan kepuasan.
H1 : ada hubungan linier antara produk dengan kepuasan.
Kedua: menghitung besarnya angka t penelitian
Hasil penghitungan SPSS diperoleh angka t penelitian sebesar 2,922.
Ketiga: menghitung besarnya angka t tabel dengan ketentuan berikut :
Taraf signifikansi 0,05 dan Derajat Kebebasan (DK) dengan ketentuan: DK=n-2,
atau 30-2=28. Dari ketentuan tersebut, diperoleh angka t tabel sebesar 2,048.
Keempat: menentukan kriteria uji hipotesis sebagai berikut :
Jika t penelitian > t tabel maka H0 ditolak dan H1 diterima
Jika t penelitian < t tabel maka H0 diterima dan H1 ditolak
Kelima: mengambil keputusan
Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar 2,922>ttabel
sebesar 2,048 sehingga H0 ditolak dan H1 diterima artinya ada hubungan linier
antara produk dengan kepuasan. Besarnya pengaruh produk dengan kepuasan
sebesar 0,567 atau 56,7% dianggap signifikan.
b.2 Hubungan antara harga dan kepuasan
untuk melihat apakah ada hubungan linier antara harga dan kepuasan, kita
dapat melakukan langkah-langkah analisis sebagai berikut :
Pertama: menentukan hipotesis
H0 : tidak ada hubungan linier antara harga dengan kepuasan.
H1 : ada hubungan linier antara harga dengan kepuasan.
Kedua: menghitung besarnya angka t penelitian
Hasil penghitungan SPSS diperoleh angka t penelitian sebesar 0,550.
Ketiga: menghitung besarnya angka t tabel dengan ketentuan berikut :
Taraf signifikansi 0,05 dan Derajat Kebebasan (DK) dengan ketentuan: DK=n-2,
atau 30-2=28. Dari ketentuan tersebut, diperoleh angka t tabel sebesar 2,048.
Keempat: menentukan kriteria uji hipotesis sebagai berikut :
Jika t penelitian > t tabel maka H0 ditolak dan H1 diterima
Jika t penelitian < t tabel maka H0 diterima dan H1 ditolak
76
77. Kelima: mengambil keputusan
Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar 0,550<ttabel
sebesar 2,048 sehingga H0 diterima dan H1 ditolak artinya tidak ada hubungan
linier antara harga dengan kepuasan. Besarnya pengaruh harga dengan
kepuasan sebesar -0,094 atau 9,4%. Dianggap tidak signifikan.
b.3 Hubungan antara layanan dan kepuasan
untuk melihat apakah ada hubungan linier antara layanan dan kepuasan, kita
dapat melakukan langkah-langkah analisis sebagai berikut :
Pertama: menentukan hipotesis
H0 : tidak ada hubungan linier antara layanan dengan kepuasan.
H1 : ada hubungan linier antara layanan dengan kepuasan.
Kedua: menghitung besarnya angka t penelitian
Hasil penghitungan SPSS diperoleh angka t penelitian sebesar 0,680.
Ketiga: menghitung besarnya angka t tabel dengan ketentuan berikut :
Taraf signifikansi 0,05 dan Derajat Kebebasan (DK) dengan ketentuan: DK=n-2,
atau 30-2=28. Dari ketentuan tersebut, diperoleh angka t tabel sebesar 2,048.
Keempat: menentukan kriteria uji hipotesis sebagai berikut :
Jika t penelitian > t tabel maka H0 ditolak dan H1 diterima
Jika t penelitian < t tabel maka H0 diterima dan H1 ditolak
Kelima: mengambil keputusan
Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar 0,680<t tabel
sebesar 2,048 sehingga H0 diterima dan H1 ditolak artinya tidak ada hubungan
linier antara layanan dengan kepuasan. Besarnya pengaruh layanan dengan
kepuasan sebesar 0,125 atau 12,5%. Dianggap tidak signifikan.
2. Analisis Korelasi
Bagian kedua akan menganalisis korelasi antara variabel produk dan harga
dengan hasil perhitungan SPSS sebagaimana tertera di bawah ini :
77