Se ha denunciado esta presentación.
Utilizamos tu perfil de LinkedIn y tus datos de actividad para personalizar los anuncios y mostrarte publicidad más relevante. Puedes cambiar tus preferencias de publicidad en cualquier momento.

Analisis jalur (path analysis)

48.373 visualizaciones

Publicado el

Publicado en: Economía y finanzas

Analisis jalur (path analysis)

  1. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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
  12. 12. 2 54 93 90 21 47 116 118 1 40 84 82 11 66 113 116 10 58 105 104 Analisis : Diagram jalur : ϵ1 X1 P41 P31 r12 X3 P32 ϵ2 P43 X4 P42 X2 Persamaan struktural : X3 = p31 X1 + p32 X2 + 1 X4 = p41 X1 + p42 X2 + p43 X3 + 2 Untuk sub-struktur 1 : Correlations Pearson Correlation Sig. (1-tailed) N X3 X1 X2 X3 X1 X2 X3 X1 X2 X3 1,000 ,734 ,809 . ,002 ,000 13 13 13 X1 ,734 1,000 ,217 ,002 . ,238 13 13 13 12 X2 ,809 ,217 1,000 ,000 ,238 . 13 13 13
  13. 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. 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. 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. 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
  17. 17. 77 76 73 72 75 74 72 71 74 80 76 80 67 65 61 62 72 63 74 70 72 77 71 73 70 68 70 72 78 80 77 79 72 73 73 74 69 67 68 69 66 69 65 64 72 70 64 61 78 80 79 78 84 76 79 74 75 70 68 70 78 77 75 71 80 79 80 82 70 80 79 80 66 82 70 83 79 78 76 80 71 73 63 75 72 72 72 74 72 70 71 70 52 55 46 45 78 73 80 82 69 73 65 68 70 82 71 73 79 67 75 77 69 72 67 68 71 76 69 71 82 74 81 79 87 65 86 88 17
  18. 18. 63 68 67 64 77 73 79 77 83 69 82 80 72 77 68 71 77 70 66 76 80 66 70 80 72 72 71 76 74 70 65 71 80 78 78 80 61 63 62 61 69 65 64 65 79 69 65 75 64 63 67 65 81 82 79 80 71 76 70 72 63 68 60 64 76 73 68 65 77 75 72 70 62 71 75 76 50 59 64 67 66 68 68 68 77 74 73 77 77 80 79 79 67 72 76 79 77 70 65 71 75 80 76 79 78 75 76 74 78 77 72 78 73 72 80 78 64 61 63 62 81 80 80 80 74 67 68 67 18
  19. 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. 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. 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. 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. 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. 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. 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. 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. 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
  28. 28. 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 15 19 15 16 15 16 11 13 20 16 16 16 12 18 14 15 14 11 14 12 12 9 16 19 16 12 14 17 14 16 12 13 13 15 12 16 16 15 13 11 17 13 14 15 17 18 17 15 14 18 17 17 18 17 15 16 16 15 15 13 18 13 13 11 12 8 14 15 13 11 12 12 13 14 15 14 15 14 14 14 11 12 12 10 10 10 9 8 14 15 12 10 11 10 11 13 12 12 12 12 11 13 12 11 10 8 9 10 6 9 3.1.3 PENYELESAIAN Kasus tersebut dapat diselesaikan dengan tahapan sebagai berikut : TAHAP I Menentukan model diagram jalurnya berdasarkan paradigma hubungan variabel seperti tahap di bawah ini : X1 Produk X2 Harga e Y1 Keputusan X3 Promosi 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 : Keterangan : 28
  29. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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
  64. 64. 22 18 16 15 14 13 23 14 16 15 11 12 24 15 15 13 12 11 25 14 13 18 12 10 26 11 11 13 10 8 27 14 17 13 10 9 28 12 13 11 10 10 29 12 14 12 9 6 30 9 15 8 8 9 5.1.3 PENYELESAIAN Penyelesaian masalah tersebut dilakukan melalui tahap-tahap sebagai berikut : TAHAP I Tahap pertama adalah menentukan diagram jalur sesuai dengan paradigma hubungan variabel Produk Kepuasan Layanan Harga Loyalitas Diagram jalur di atas terdiri atas tiga persamaan struktural, dimana X 1 dan X2 sebagai variabel eksogen, sedangkan X3, Y1 dan Y2 sebagai variabel endogen. Persamaan strukturalnya dapat dilihat sebagai berikut : 1. 2. 3. 64
  65. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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

×