Contoh Kasus Analisis Data Dan Interpretasi PT.

Zigma merupakan sebuah perusahaan yang memproduksi minuman merk ROSELLA. Untuk kepentingan marketing maka diadakan sebuah penelitian yang bertujuan untuk mengetahui pengaruh dari Harga dan Distribusi terhadap Kepuasan Pelanggan nya. Rumusan masalah yang diajukan adalah sebagai berikut : 1. Apakah harga dan distribusi berpengaruh signifikan secara simultan terhadap kepuasan pelanggan ? 2. Apakah harga dan distribusi berpengaruh signifikan secara parsial terhadap kepuasan pelanggan ? 3. Variabel bebas mana yang berpengaruh dominan terhadap kepuasan pelangggan ? Berdasarkan kajian teoritis dan empiris maka di tetapkan hipotesis penelitian sebagai berikut : 1. Harga dan distribusi berpengaruh signifikan secara simultan terhadap kepuasan pelanggan 2. Harga dan distribusi berpengaruh signifikan secara parsial terhadap kepuasan pelanggan 3. Harga berpengaruh dominan terhadap kepuasan pelanggan Setelah menyebar kuesioner kepada responden maka diperoleh data penelitian yang diinginkan. Karena dalam penelitian ini melibatkan dua variable bebas (independent variable) yaitu Harga (X 1) dan Distribusi (X2), serta sebuah variable terikat (dependent variable) yaitu variable Kepuasan Pelanggan (Y), maka teknik analisis yang digunakan adalah Regresi Berganda menggunakan bantuan software statistik SPSS, dan output dari analisis yang telah dilakukan adalah sebagai berikut :

Regression
b Variables Entered/Removed

Model 1

Variables Entered Harga, a Distribusi

Variables Removed .

Method Enter

a. All requested variables entered. b. Dependent Variable: Kepuasan Pelanggan

b Model Summary

Model 1

R R Square .747a .558

Adjusted R Square .539

Std. Error of the Estimate 1.620

Durbin-W atson 1.668

a. Predictors: (Constant), Harga, Distribusi b. Dependent Variable: Kepuasan Pelanggan

b ANOVA

Model 1

Regression Residual Total

Sum of Squares 155.960 123.420 279.380

df 2 47 49

Mean Square 77.980 2.626

F 29.696

Sig. .000 a

a. Predictors: (Constant), Harga, Distribusi b. Dependent Variable: Kepuasan Pelanggan

a Coefficients

Model 1

(Constant) Harga Distribusi

Unstandardized Coefficients B Std. Error 11.292 1.607 .887 .115 .088 .138

Standardized Coefficients Beta .748 .062

t 7.026 7.703 .639

Sig. .000 .000 .032

Zero-order .745 .024

Correlations Partial .747 .093

Part .747 .062

Collinearity Statistics Tolerance VIF .997 .997 1.003 1.003

a. Dependent Variable: Kepuasan Pelanggan

a Collinearity Diagnostics

Model 1

Dimension 1 2 3

Eigenvalue 2.921 .067 .012

Condition Index 1.000 6.593 15.864

Variance Proportions (Constant) Harga Distribusi .00 .01 .00 .03 .94 .08 .96 .05 .92

a. Dependent Variable: Kepuasan Pelanggan

a Residuals Statistics

Predicted Value Std. Predicted Value Standard Error of Predicted Value Adjusted Predicted Value Residual Std. Residual Stud. Residual Deleted Residual Stud. Deleted Residual Mahal. Distance Cook's Distance Centered Leverage Value

Minimum 12.72 1.739 .237 12.47 2.93 1.809 1.850 3.07 1.900 .071 .000 .001

Maximum 19.90 2.285 .675 20.09 3.65 2.252 2.328 3.90 2.449 7.523 .125 .154

Mean 15.82 .000 .374 15.82 .00 .000 .000 .00 .001 1.960 .018 .040

Std. Deviation 1.784 1.000 .135 1.815 1.587 .979 1.005 1.671 1.019 2.253 .022 .046

N 50 50 50 50 50 50 50 50 50 50 50 50

a. Dependent Variable: Kepuasan Pelanggan

Charts
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Kepuasan Pelanggan
1.00

.75

Expected Cum Prob

.50

.25

0.00 0.00 .25 .50 .75 1.00

Observed Cum Prob

Scatterplot Dependent Variable: Kepuasan Pelanggan

3

Regression Studentized Residual

2 1 0 -1 -2 -3 -2 -1 0 1 2 3

Regression Standardized Predicted Value

Interpretasi : 1. Uji Asumsi Klasik Evaluasi ini dimaksudkan untuk apakah penggunaan model regresi linear berganda ( multiple Regression linear) dalam menganalisis telah memenuhi asumsi klasik. Model linear berganda akan lebih tepat digunakan dan menghasilkan perhitungan yang lebih akurat apabila asumsi-asumsi berikut dapat terpenuhi yaitu : a. Uji Normalitas Data Pengujian Normalitas digunakan untuk menguji apakah dalam sebuah model regresi, variabel terikat, variabel bebas atau keduanya mempunyai distribusi normal ataukah tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal. Hasil uji Normalitas dapat dilihat pada gambar dibawah :

Gambar 1 : Grafik Uji Normalitas

Normal P-P Plot of Regression Standardized Residual Dependent Variable: Kepuasan Pelanggan
1.00

.75

Expected Cum Prob

.50

.25

0.00 0.00 .25 .50 .75 1.00

Observed Cum Prob

Sebagaimana terlihat dalam grafik Normal P-P plot of regression Standardized Residual , terlihat bahwa titik titik menyebar disekitar garis diagonal , serta penyebarannya mengikuti arah garis diagonal (membentuk garis lurus ), maka dapat dikatakan bahwa data berdistribusi normal dan model regresi bebasnya. b. Uji Linieritas Data Pada grafik Normal P-Plot of Regretion Stand diatas, terlihat titik-titik (data) di sekitar garis lurus dan cenderung membentuk garis lurus (linier), sehingga dapat dikatakan bahwa persyaratan linieritas telah terpenuhi. Dengan demikian karena persyaratan linieritas telah dapat dipenuhi sehingga model regresi layak dipakai untuk memprediksi Kinerja berdasarkan variabel bebasnya. c. Uji Multikolinieritas Data Uji multikolinieritas perlu dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas, jika terjadi korelasi, maka dinamakan terdapat problem Multikolinieritas (MULTIKO). Untuk mengetahui multikolinieritas antar variabel bebas tersebut, dapat dilihat melalui VIF (variance inflation factor) dari masing-masing variabel bebas terhadap layak dipakai untuk memprediksi Kepuasan Pelanggan berdasarkan variabel

variabel terikat. Apabila nilai VIF tidak lebih dari 5 berarti mengindikasi bahwa dalam model tidak terdapat multikolinieritas. Santoso (2002:206) mengemukakan besaran VIF (variance inflation factor) dan Tolerance, pedoman suatu model regresi yang bebas multiko adalah : a. Mempunyai nilai VIF disekitar angka 1 b. Mempunyai angka TOLERANCE mendekati 1 Adapun hasil pengujian teringkas dalam tabel berikut : Tabel 1 : Hasil Uji Multikolinieritas Variabel Bebas
Variabel Bebas Tolerance VIF 1,003 1,003 Keputusan terhadap Asumsi Multikolinieritas Terpenuhi Terpenuhi

0,997 Harga (X1) 0,997 Distribusi (X2) Sumber : Output Analisis Regresi

Pada tabel di atas terlihat bahwa kedua variabel bebas memiliki besaran angka VIF di sekitar angka 1 ( Harga = 1,003 dan Distribusi = 1,003 ), besaran angka Tolerance semuanya mendekati angka 1 (Harga = 0,997 dan Distribusi = 0,997), sehingga dapat disimpulkan bahwa tidak terjadi Multikolinieritas antara kedua variabel bebas dan model regresi layak digunakan d. Uji Heteroskedastisitas Tujuan dari pengujian ini adalah untuk menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan varians dari residual dari satu pengamatan ke pengamatan yang lain. Jika varians dari residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas, dan jika varians berbeda, disebut Heteroskedastisitas. Model regresi yang baik adalah tidak terjadi Heteroskedastisitas. Hasil pengujian ditunjukkan dalam gambar berikut : Gambar 2 : Grafik Uji Heteroskedastisitas
Scatterplot Dependent Variable: Kepuasan Pelanggan
3

Regression Studentized Residual

2 1 0 -1 -2 -3 -2 -1 0 1 2 3

Regression Standardized Predicted Value

Dari grafik Scatterplot tersebut, terlihat titik titik menyebar secara acak dan tidak membentuk suatu pola tertentu yang jelas, serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heretoskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi kepuasan pelanggan berdasar masukan variabel independent-nya

2. Regresi Berganda Analisis regresi dilakukan untuk mengetahui tingkat pengaruh antara variabel bebas terhadap variabel terikat, baik secara simultan maupun parsial, serta menguji hipotesis penelitian yang telah ditetapkan sebelumnya. Pada penelitian ini, analisis dilakukan untuk mengetahui pengaruh harga dan distribusi terhadap kepuasan pelanggan. Hasil pengujian disajikan dalam rekapitulasi hasil analisis Regresi Berganda berikut ini : Tabel 2 : Rekapitulasi Hasil Analisis Regresi berganda Koefisien Variabel Regresi t 7,703 0,639 Sig 0,000 0,032 (B) Harga (X1) 0,887 Distribusi (X2) 0,088 Konstanta = 11,292 R = 0,747 R square = 0,558 Adjusted R Square = 0,539 F hitung = 29,696 Signifikansi F = 0,000 Sumber : Output Analisis Regresi Berganda a. Pengaruh Secara Simultan Hasil analisis regresi berganda : variabel Harga (X1) dan Distribusi (X2) berpengaruh terhadap kepuasan pelanggan (Y) secara simultan/bersama-sama menunjukan hasil nilai Fhitung adalah sebesar 29,696 dengan Signifikan F sebesar 0.000 atau lebih kecil dari 0,05 (5%), sehingga menolak H0. Hasil ini menyatakan bahwa secara simultan semua Variabel Bebas yaitu variabel Harga (X1) dan Distribusi (X2) pelanggan (Y). Selanjutnya dari analisis regresi berganda diperoleh nilai R sebesar 0,747. Hasil ini menunjukan bahwa semua variabel bebas yaitu variabel Harga (X1) dan Distribusi (X2) mempunyai keeratan hubungan dengan variabel Kepuasan pelanggan (Y) sebesar 0, 747. Pada penelitian ini, untuk mengetahui kontribusi variabel bebas terhadap variabel terikat dilakukan dengan menggunakan besaran angka R square. Hasil R square didapat sebesar 0, 558 (di peroleh dari pengkuadratan R yaitu = 0,747 x 0,747). Angka ini menunjukkan bahwa kontribusi semua variabel bebas yaitu variabel Harga (X1) dan Distribusi (X2) terhadap variabel Kepuasan pelanggan (Y) sebesar 55,8%, sisanya dipengaruhi oleh variabel lain yang tidak ada dalam penelitian ini. b. Pengaruh Secara Parsial Berdasarkan uji parsial melalui analisis regresi , diperoleh hasil Variabel Bebas yaitu Harga (X1) dan Distribusi (X2) terhadap variabel kepuasan pelanggan (Y) secara parsial dapat dijelaskan sebagai berikut : 1) Harga (X1) Analisis Regresi menunjukkan koefesien Regresi (B) sebesar 88,7% terhadap kepuasan pelanggan, dengan signifikansi 0,000. Hal ini berarti bahwa variabel Harga (X 1) memang berpengaruh secara signifikan terhadap kepuasan pelanggan. Koefisien Regresi ( B) sebesar 88,7% menyatakan bahwa setiap penambahan atau pengurangan satu Harga (X1), maka akan menambah atau mengurangi kepuasan pelanggan sebesar 88,7%. berpengaruh signifikan secara simultan terhadap Kepuasan

2)

Distribusi (X2) sebesar 8,80% terhadap kepuasan

Analisis Regresi menunjukkan koefesien Regresi (B)

pelanggan, dengan signifikansi 0,032. Hal ini berarti bahwa variabel Distribusi (X2) memang berpengaruh secara signifikan terhadap kepuasan pelanggan. Koefisien Regresi ( B) sebesar 8,80% menyatakan bahwa setiap penambahan atau pengurangan satu distribusi (X 2), maka akan menambah atau mengurangi kepuasan pelanggan sebesar 8,80%. Berdasarkan pada hasil koefisien regresi (B) di atas, maka diperoleh persamaan regresi sebagai berikut : Y = 11,292 + 0,887 Harga + 0,088 Distribusi c. Pengujian Hipotesis Berdasar pada hipotesis yang telah dikemukakan dan hasil analisis data, maka selanjutnya dilakukan uji hipotesis sebagai berikut : 1. Diduga bahwa harga dan distribusi secara simultan berpengaruh terhadap kepuasan pelanggan. Hasil regresi diperoleh nilai F hitung = 29,696 dengan tingkat signifikansi 0,000 < 5 % (H0 ditolak), hal ini artinya bahwa secara simultan Variabel harga (X1) dan distribusi (X2) mempunyai pengaruh yang signifikan terhadap Variabel kepuasan pelanggan (Y). Dengan demikian Hipotesis 1 terbukti benar dan dapat diterima. 2. Diduga bahwa harga dan distribusi secara parsial berpengaruh terhadap kepuasan pelanggan. Analisis Regresi menunjukkan koefesien Regresi ( B) variabel harga adalah sebesar 88,7% terhadap kepuasan pelanggan, dengan signifikansi 0,000. Hal ini berarti bahwa memang harga berpengaruh positif dan signifikan terhadap kepuasan pelanggan. Analisis Regresi juga menunjukkan koefesien Regresi (B) variabel distribusi sebesar 8,80% terhadap kepuasan pelanggan, dengan signifikansi 0,032. Hal ini berarti bahwa memang distribusi berpengaruh positif dan signifikan terhadap kepuasan pelanggan. Sehingga Hipotesis 2 terbukti benar dan dapat diterima. 3. Diduga bahwa Harga berpengaruh dominan terhadap kepuasan pelanggan. Hasil analisis Regresi menunjukkan koefesien Regresi (B) variabel harga sebesar 88,7%, lebih besar daripada variabel distribusi yang hanya sebesar 8,80%, sehingga dapat diketahui bahwa variabel harga mempunyai pengaruh yang dominan terhadap kepuasan pelanggan, dan dari analisis tersebut dapat diketahui bahwa hipotesis 3 terbukti benar dan dapat diterima.