Regresi merupakan analisis yang digunakan untuk menentukan hubungan antara variabel tergantung (y) dengan satu atau lebih variabel bebas (x). Dokumen ini menjelaskan definisi, asumsi, dan uji regresi seperti multikolinearitas, heteroskedastisitas, autokorelasi dan normalitas. Metode ini digunakan untuk menganalisis pengaruh kualitas pelayanan dan produk terhadap kepuasan pelanggan warung BTN.
3. Definisi Regresi
Analisa regresi adalah sebuah pendekatan yang digunakan untuk
mendefinisikan hubungan matematis antara variabel
output/dependen (y) dengan satu atau beberapa variabel
input/independen (x).
Regresi linear adalah suatu teknik dalam statistika untuk
menentukan persamaan garis secara linear yang dapat
meminimasi penyimpangan dan deviasi antara nilai data yang
didapat dari observasi dengan yang didapat dari suatu
persamaan regresi.
4. Uji Asumsi Regresi
Uji asumsi klasik dilakukan untuk mengetahui apakah model
estimasi telah memenuhi kriteria ekonometrika, dalam arti tidak
terjadi penyimpangan yang cukup serius dari asumsi - asumsi
yang harus dipenuhi dalam metode Ordinary Least Square
(OLS)
Berikut adalah uji asumsi yang harus terpenuhi dalam metode
regresi :
- Uji Multikolinearitas
- Uji Heterogotitas
- Uji Autokorelasi
- Uji Normalitas
5. Uji Asumsi Regresi (Cond’t)
Berikut adalah uji asumsi yang harus terpenuhi dalam metode regresi :
- Uji Multikolinearitas = Uji multikolinearitas bertujuan untuk menguji
apakah model regresi ditemukan adanya korelasi antar variabel
bebas.Model regresi yang baik seharusnya tidak terjadi korelasi
diantara variabel bebas
- Uji Heterogotitas = Deteksi ada tidaknya problem heteroskedastisitas
adalah dengan media grafik, apabila grafik membentuk pola khusus
maka model terdapat heteroskedastisitas.
- Uji Autokorelasi = terjadinya korelasi antara satu variabel errordengan
variabel error yang lain.Autokorelasi seringkali terjadi pada data time
series dan dapat juga terjadi pada data cross section tetapi jarang
- Uji Normalitas = Uji normalitas bertujuan untuk menguji apakah data
yang akan digunakan dalam model regresi berdistribusi normal atau
tidak.
7. Identifikasi Variabel
Untuk menentukan persamaan regresi maka harus ditentukan
variabel-variabelnya, Variabel bebas dan terikatnya. Lebih jelasnya
seperti dibawah ini :
1. Variabel Terikat (Dependent)
Dalam penelitian ini variabel dependent (Y) adalah kepuasan
pelanggan warung BTN
2. Variabel Bebas (Independent) dalam penelitian ini adalah meliputi:
a. (X1) Kualitas Pelayanan
Dalam praktikum ini variabel pelayanan dan fasilitas merupakan
alat/sarana pendukung yang sangat penting, sehingga mendukung
proses kegiatan produksi di warung BTN.
b. (X2) Kualitas Produk
Dalam praktikum ini variabel mutu merupakan seberapa besar tingkat
kepuasaan pelanggan dalam mengkonsumsi produk dari warung BTN
8. IDA dan Data Plotting
Tabel di bawah ini merupakan tabel frekuensi
dari variabel y untuk pertanyaan yang pertama .
Tabel 4.4.1 Frekuensi Pertanyaan 1
Model Frequency Percent
1 1 1,25
2 5 6,25
3 41 51,25
4 30 37,5
5 3 3,75
Total 80 100
9. IDA dan Data Plotting (Cond’t)
Dari tabel di atas dapat diketahui untuk pertanyaan
pertama variabel Y responden yang menjawab
skala nomer 1 sebanyak 1 responden dengan nilai
presentase sebesar 1,25%. Responden yang
menjawab skala nomer 2 sebanyak 5 responden
dengan nilai presentase sebesar 6,25%. Responden
yang menjawab skala nomer 3 sebanyak 41
responden dengan nilai presentase sebesar 51,25%.
Responden yang menjawab skala nomer 4 sebanyak
30 responden dengan nilai presentase sebesar
3,75%.
10. IDA dan Data Plotting
Tabel di bawa ini merupakan tabel deskriptif dari variabel y untuk
pertanyaan yang pertama .
Tabel 4.4.2 deskriptif pertanyaan 1
N Minimum Maximum Mean S-D
Y.1 80 1 5 3,3625 0.71589
Dari tabel di atas dapat diketahui untuk pertanyaan kedua variabel Y
memiliki nilai minimum yaitu 1, nilai maksimum yaitu 5 dan nilai rata-ratanya
yaitu 3,362
11. Uji Validitas
Uji validitas yang dilakukan pada variabel-variabel kepuasan
Responden dari Warung BTN terhadap pemilihan jurusan
tersebut, didapatkan hasil sebagai berikut :
Hipotesis :
H0 = Tidak ada hubungan antar variabel, berarti variabel
tersebut tidak valid
H1 = Ada hubungan antar variabel, berarti variabel tersebut
valid.
Pengambilan keputusan berdasarkan nilai probabilitas (sig) :
a. Jika probabilitas (nilai sig) > 0,05 maka terima H0
b. Jika probabilitas (nilai sig) < 0,05 maka tolak H0
13. Uji Validitas (Cond’t)
Dari tabel diatas dapat diketahui bahwa semua
dari pertanyaan dapat disimpulkan valid dan
hanya ada satu pertanyaa untuk variabel X_1_3
tidak valid. dan nilai sig 2-tailed < 0,05
sehinggah dapat di simpulkan tolak Ho atau
terdapat hubungan antar variabel, berarti
variabel tersebut valid.. sedangkan variabel Y
nilai sig 2-tailed < 0,05 sehinggah dapat di
simpulkan tolak Ho atau terdapat hubungan
antar variabel atau valid.
14. Uji Reabilitas
Uji reliabilitas adalah suatu metode uji yang digunakan untuk menganalisa
dan membuktikan kekonsistenan atau kehandalan ataupun kesahihan dari
data yang diukur.
Hipotesa:
H0 = Data reliable.
H1 = Data tidak reliable.
Pengambilan keputusan
a. Jika R tabel < Cronbach’s Alpha maka terima H0
b. Jika R tabel > Cronbach’s Alpha maka tolak H0
Tabel 4.4 32 uji reabilitas.
Reliability Statistics
Cronbach's Alpha R Tabel
.454 0,1852
Dari tabel di atas dapat diketahui bahwa nilai cronbach’s alpha sebesar
0,454 Maka dapat disimpulkan R tabel < cronbach’s alpha maka terima Ho
atau dengan kata lain data tersebut Realibel.
15. Uji Multikolinearitas
Uji multikolinearitas adalah suatu uji yang bertujuan untuk menguji apakah
pada model regresi ditemukan adanya korelasi antar variabel independen.
Hipotesis:
H0 = terdapat multikolinieritas
H1 = tidak terdapat multikolinieritas
Pengambilan keputusan:
VIF < 10, maka tolak H0
VIF > 10, maka terima H0
Tabel 4.4.33 uji multikolineritas
Model Tolerance VIF
X1 .710 1.409
X2 .710 1.409
Dari tabel di atas dapat diketahui bahwa untuk nilai variabel X1 dan X2
mempunyai nilai VIF < 10, maka dari hasil tersebut dapat disimpulkan tolak
Ho atau dengan kata lain tidak terdapat multikolineiritas dari antar variabel.
16. Uji Heteroskedisitas
Uji heteroskedatisitas bertujuan menguji apakah dalam model regresi terjadi
ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang
lain.
Hipotesis
H0 : variabel tidak bersifat heterokedastisitas
H1 : variabel bersifat heterokedastisitas
Pengambilan keputusan
Jika sig.2-tailed > 0,05 maka terima H0
Jika sig.2-tailed < 0,05 maka tolak H0
Tabel 4.4.34 Uji Heterokedastisitas
Variabel Sig 2 tailed
X1 0.964
X2 0.933
Dari tabel di atas dapat diketahui bahwa nilai sig 2-tailed variabel X1 =
0.964dan X2= 0.933 > 0,05 maka dapat disimpulkan terima Ho atau dengan kata lain
variabel-variabel tersebut tidak bersifat heteroskedastisitas.
17. Uji Autokorelasi
Autokorelasi menunjukkan adanya korelasi antara error dengan error periode
sebelumnya, dimana pada asumsi klasik hal ini tidak boleh terjadi. Sehingga
uji autokorelasi yaitu suatu uji yang dilakukan untuk mengetahui adanya
korelasi antara variabel eror yang satu dengan variabel eror yang lain.
Pengambilan keputusan
du ≤ DW ≤ (4 – du) maka tidak terdapat autokorelasi
Tabel 4.4.35 Uji autokorelasi
Model Du Durbin-Watson
1 0,2002 1.109
Pengambilan keputusan :
Jika diketahui du : 0.2002
DW : 1.109
Sehingga : du ≤ DW ≤ (4 – du)
0.2002 ≤ 1.109 ≤(4 – 0.2002)
0.2002 ≤ 1.109 ≤(3,7998 )
Dari tabel di atas dapat diketahui bahwa nilai du ≤ DW ≤ (4 – du) maka dapat
disimpulkan tidak terdapat autokorelasi antar variable.
18. Uji Kenormalan
Uji kenormalan bertujuan untuk menguji dan mengetahui aakah data tersebut
berdistribusi normal atau tidak.
Hipotesis:
H0 = data berdistribusi normal
H1 = data tidak berdistribusi normal
Pengambilan keputusan:
Sig > 0.05, maka terima H0
Sig < 0.05, maka tolak H0
Tabel 4.4.36 uji kenormalan
Variabel
Kolmogrov
Smirnov
sig 2-
tailed
Residual 0,935 0,346
Dari tabel di atas dapat diketahui nilai kolmogrof smirnov sebesar 0,935 dan sig 2-
tailed sebesar 0,346 nilai ini > dari 0,05 maka dapat disimpulkan terimah Ho atau
dengan kata lain data tersebut berdistribusi normal.
19. Variabel Signifikan
Tabel berikut merupakan tabel penentuan variabel terbaik yang meliputi
pengujian antara variable X1 dan X2
Tabel 4.4.37 variabel entered/removed
Model
Variables
Entered
Variables
Removed
Method
1 X2, X1a . Enter
2 . X1
Backward (criterion: Probability of
F-to-remove >= ,100).
Dari tabel yang terdapat diatas maka dapat disimpulkan bahwa variabel X1
dan X2 menggunakan metode entered sedangkan variabel X2 menggunakan
metode Backward. Sehingga dalam proses selanjutnya variabel X1 tidak diikut
sertakan karena telah teremoved.
Tabel 4.4.38 coeficient
Model
Unstandardized Coefficients
Standardized
Coefficients
B Std. Error Beta
1 (Constant) 5.912 1.322
X1 .003 .038 .011
X2 .252 .113 .288
2 (Constant) 5.943 1.261
X2 .257 .095 .294
Dari tabel diatas dapat diketahui bahwa dari dua variabel independent (X)
yang ada, untuk model kedua variabel X1 telah teremoved, sehingga variabel yang
bisa di uji selanjutnya yaitu hanya variabel X2.
20. Single Factor
Tabel di bawah ini merupakan model regresi antara variabel dependent (Y)
dengan variabel independent 1(X1).
Tabel 4.4.39 regresi Y dengan X2
Model
Unstandardized
Coefficients
Standardized
Coefficients
B
Std.
Error
Beta
1 (Constant) 5,943275389 1,260909
X2 0,256921148 0,094546 0,294082
Dari tabel di atas dapat di ketahui model regresi variabel Y dengan bariabel
X2 mempunyai nilai B X2 adalah sebesar 0,256921148 dengan standar error
sebesar 0,094546 dan nilai beta sebesar 0,294082
Didapatkan model regresi y = 5.943 + 0.256 x2.
21. Multi Factor
Tabel berikut merupakan tabel variabel entered/removed, tabel berikut
berisi tentang model yang berisi variabel-variabel, baik yang telah Variable
Entered, maupun variabel yang teremoved.
Tabel 4.4.41 entered/removed
Model Variables Entered Variables Removed Method
1 X2, X1a . Enter
2 . X1 Backward
Dari tabel di atas dapat diketahui jika menggunakan metode enter maka
semua variabel masuk. Sedangkan jika menggunakan metode backward maka
terdapat variabel yang harus dihilangkan yaitu variabel X1
Tabel 4.4.42 model summary
Model R R Square Adjusted R Square
1 .294a .086 .075
22. Multi Factor (Cond’t)
Dari tabel di atas dapat diketahui untuk nilai R sebesar 0,294, R square sebesar
0,86 dan nilai adjusted R square sebesar 0,075.
Tabel 4.4.43 tabel anova
Model Sum of Squares df Mean Square
1 Regression 24.350 1 24.350
Residual 257.200 78 3.297
Total 281.550 79
Dari tabel yang terdapat diatas maka dapat disimpulkan bahwa dari :
model 1 disebutkan bahwa nilai sum of squares dan mean squares sebesar
24,350 dan 24,350 dari regression. nilai sum of squares dan mean squares
sebesar 257.200 dan 78 dari residual. Sedangkan total nilai sum of squares
dari model 1 sebesar 281.550
23. Uji T
Uji-t ini digunakan untuk menguji ada atau tidaknya pengaruh antara masing-
masing variabel bebas dengan variabel terikat.
Hipotesis:
H0 : koefisien regresi tidak signifikan sehingga variabel atau konstanta
independent tidak mempengaruhi variabel dependent.
H1 : koefisien regresi signifikan sehingga variebel atau konstanta independent
mempengaruhi variabel dependent.
Pengambilan keputusan:
Jika t hitung < t tabel, maka terima H0
Jika t hitung > t tabel, maka tolak H0
Tabel 4.4.44 uji T
Model t_ tabel
t
Variabel
X2
1.664
54,48
Dari tabel diatas dapat diketahui nilai t hitung untuk variabel X2 sebesar
54,48 Sesuai dengan tabel t, t tabel dapat diketahui sebesar 1,664 maka dapat
diketahui untuk variabel X2 t hitung > t tabel maka dapat disimpulkan tolak Ho
atau dengan kata lain koefisien regresi signifikan sehingga variebel independent
mempengaruhi variabel dependent.
24. Uji F
Uji F atau Uji Serentak merupakan suatu pengujian yang dilakukan untuk
mengetahui ada atau tidaknya hubungan seluruh variabel bebas, secara
bersama-sama, terhadap variabel terikatnya. F
Hipotesis:
H0 : semua variabel independent mempengaruhi variabel dependent secara
serentak
H1: minimal satu variabel independent tidak mempengaruhi variabel dependent
secara serentak.
Pengambilan keputusan:
Jika Fhitung > F tabel maka terima H0
Jika Fhitung < F tabel maka tolak H0
Tabel 4.4.45 uji f
Model f F tabel
Regression 7.384 3,96
Residual
Total
Dari tabel di atas dapat diketahui nilai F hitung untuk variabel X1 sebesar
7,384. Jadi dapat diketahui f hitung > f tabel, maka dapat di simpulkan terima Ho
atau dengan kata lain semua variabel independent mempengaruhi variabel
dependent secara serentak.
25. Kesimpulan
1. Variabel yang digunakan dalam pengolahan data untuk variabel dependent (Y)
adalah keputusan Pelanggan. Variabel independent 1 (XI) adalah Kualitas
Pelayanan independent 2 (X2) adalah Kualitas Produk
2. Untuk IDA dan data ploting data yang digunakan yaitu sebanyak 80 data
dengan rincian pertanyaan, untuk variabel dependent (Y) terdapat 3
pertanyaan, variabel independent1 (X1) terdapat 9 pertanyaan, variabel
independent 2 (X2) terdapat 4 pertanyaan
3. Untuk uji validitas smua variabel yang digunakan dalam penellitian ini bersifat
valid atau dengan kata lain terdapat hubungan antar variabel. Dan untuk uji
rabilitas dapat diketahui bahwa nilai croncbach’s alpha > R tabel sehingga
dapat diketahui data tersebut realibel atau benar adanya.
4. Untuk uji asumsi yg pertama atau uji multikoleneiritas variabel yang digunakan
tidak terdapat multikolineiritas dari antar variabel. Uji heteroskedastisitas
variabel yg digunakan variabel tersebut tidak bersifat heteroskedastisitas. Uji
autokorelasi variabel yg digunakan tidak terdapat autokorelasi antar variabel.
Dan untuk uji kenormalan data variabel yang digunakan semuanya
berdistribusi normal.
5. Untuk variabel signiikan variabel yang teremoved ada 1 variabel yaitu variabel
X1 sehingga variabel yang digunakan atau yang berhubungan dan
berpengaruh hanya variabel X2
6. Untuk uji T variabel X1 mempengaruhi variabel dependent. Sedangkan untuk
uji F variabel X1 mempengaruhi variabel dependent secara serentak.