315 Analisisjalurpathanalysis 131128195317 Phpapp02

7/25/2019 315 Analisisjalurpathanalysis 131128195317 Phpapp02

1/316

1

ANALISIS JALUR

Dr. Musdalifah Azis, SE., M.Si

[email protected]

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 X1X2dan 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:
mailto:[email protected]:[email protected]:[email protected]


2/316

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 sebabakibat antara variabel-variabel exogenous atau perantara

dengan satu variabel tergantung atau lebih. Anak panah juga

menghubungkan kesalahan (variabel residue) dengan semua variabel

endogenousmasing-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. Variabelvariabel exogenousdalam 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 endogenousialah 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


3/316

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 residuemencerminkan 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


4/316

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

exogenousdan 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 endogenousY. Model digambarkan sebagai berikut :

Contoh :

Dalam kasus pengaruh harga dan promosi terhadap penjualan, maka X1 adalah

variabel harga dan X2 adalah variabel promosi sedangkan Y adalah variabel

penjualan. Dalam terminologi analisis jalur, variabel harga dan promosi adalah

variabel exogenousdan variabel penjualan adalah variabel endogenous.

X1

X2

Y1


5/316

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:

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 :

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.

X

Y

Z

X

Y

Z


6/316

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 :

Contoh:

Contoh kasus ini diambil dari hasil penelitian Sawyerdkk 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 Y1akan 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 Recursi fdan Non Recursi f

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 :

X1

Y1

X2

Y2

1

2

3 4

e2 e4e3

r21 P21

P31

P32

P41

P42

P43


7/316

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 variabelendogenous, 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 recursifterjadi 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).


8/316

8

BAB II

PEMODELAN ANALISIS JALUR

2.1 KASUS 1

Penelitian melibatkan tiga buah variabel X1, X2dan X3 untuk mengungkapkan

hubungan antara ke tiga variabel ini. Peneliti mempunyai proposisi hipotetik bahwa

antara X1dan X2terdapat 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


9/316

9

Analisis :

Regression

Descriptive Statistics

246,4000 41,11274 15

34,6667 9,67815 15

187,9333 38,08724 15

X3

X1

X2

Mean Std. Dev iation N

Correlations

1,000 ,916 ,901,916 1,000 ,735

,901 ,735 1,000

. ,000 ,000

,000 . ,001

,000 ,001 .

15 15 15

15 15 15

15 15 15

X3

X1

X2

X3

X1

X2

X3

X1

X2

Pearson Correlation

Sig. (1-tailed)

N

X3 X1 X2

Variables Entered/Removed

b

X2, X1a . Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested v ariables entered.a.

Dependent Variable: X3b.

Model Summary

,976a ,952 ,944 9,75663

Model

1

R R Square

Adjusted

R Square

Std. Error of

the Estimate

Predictors: (Constant), X2, X1a.


10/316

10

Proposisi hipotetik yang diajukan oleh peneliti bisa diterjemahkan kedalam Diagram Jalur

seperti di bawah ini :

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 = 0,551X1+ 0,496X2 +

Model ini signifikan karena nilai p-value = 0,000 lebih kecil dari

Koefisien jalur :

p31 = 0,551 , karena p-value = 0,000 lebih kecil dari , koefisien jalur ini signifikan


p3= 2

1 R

= 952,01

= 0,219

ANOVAb

22521,299 2 11260,649 118,294 ,000a

1142,301 12 95,19223663,600 14

Regression

ResidualTotal

Model

1

Sum of

Squares df Mean Square F Sig.



Coefficientsa

64,639 13,112 4,930 ,000

2,342 ,398 ,551 5,892 ,000

,535 ,101 ,496 5,297 ,000

(Constant)

X1

X2

Model

1

B St d. Error

Unstandardized

Coeff icients

Beta

Standardized

Coeff icients

t Sig.

Dependent Variable: X3a.

X1

X3

X2

r12

P31

P32


11/316

11

Hubungan struktural antara X1, X2 dan X3:

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 bersama-sama mempengaruhi X3.

- X1, X2dan X3secara 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

X1

X3

X2

0,219

0,735

0,551

0,496


12/316

12

2 54 93 90

21 47 116 118

1 40 84 82

11 66 113 116

10 58 105 104

Analisis :

Diagram jalur :

Persamaan struktural :

X3 = p31X1+ p32 X2 + 1

X4 = p41X1+ p42 X2 + p43 X3 + 2

Untuk sub-struktur 1 :

Correlations

1,000 ,734 ,809

,734 1,000 ,217

,809 ,217 1,000

. ,002 ,000

,002 . ,238

,000 ,238 .

13 13 13

13 13 13

13 13 13

X3

X1

X2

X3

X1

X2

X3

X1

X2

Pearson Correlation

Sig. (1-tailed)

N

X3 X1 X2

X1

X3

X2

X4

1

r12

P31

P32

P41

P42

P43

2


13/316

13

ANOVAb

2590,067 2 1295,034 259,355 ,000a

49,933 10 4,993

2640,000 12

Regression

Residual

Total

Model

1

Sum of




Persamaan struktur :

X3 = 0,585X1+ 0,682X2 + 1

Model ini signifikan karena p-value = 0,000 lebih kecil dari

Koefisien jalur :



px3= 2

1 R

= 981,01

= 0,138.

Untuk Sub-struktur 2 :

Model Summary

,990a ,981 ,977 2,23457

Model

1

R R Square

Adjusted

R Square

Std. Error of

the Estimate


Coefficientsa

51,434 2,199 23,389 ,000

1,476 ,112 ,585 13,140 ,000

,687 ,045 ,682 15,305 ,000

(Constant)

X1

X2

Model

1

B St d. Error

Unstandardized

Coeff icients

Beta

Standardized

Coeff icients

t Sig.


Model Summary

,997a ,994 ,992 1,38903

Model

1

R R Square

Adjusted

R Square

Std. Error of

the Estimate

Predictors: (Constant), X2, X1, X3a.


14/316

14

Persamaan struktur :

X4 = 0,314X1+ 0,309X2 + 0,514X3 + 2

Model ini signifikan karena p-value = 0,000 lebih kecil dari

Koefisien jalur :

P41 = 0,314 , karena p-value = 0,021 lebih kecil dari , koefisien jalur ini signifikan

P42 = 0,309 , karena p-value = 0,042 lebih kecil dari , koefisien jalur ini signifikan

P43 = 0,514 , karena p-value = 0,022 lebih kecil dari , koefisien jalur ini signifikan.

P4= 2

1 R = 994,01 =0,077.

Diagram Jalur yang lengkap :

ANOVAb

2899,405 3 966,468 500,913 ,000a

17,365 9 1,9292916,769 12

Regression

ResidualTotal

Model

1

Sum of




Coefficientsa

22,248 10,202 2,181 ,057

,541 ,197 ,514 2,750 ,022

,831 ,298 ,314 2,785 ,021

,327 ,138 ,309 2,372 ,042

(Constant)

X3

X1

X2

Model

1

B St d. Error

Unstandardized

Coeff icients

Beta

Standardized

Coeff icients

t Sig.


X1

X3

X2

X4

0,1380,077

0,217

0,585

0,682

0,314

0,309

0,514


15/316

15

Interpretasi :

Pengaruh dari X1ke 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 tak langsung (melalui X3) = 0,682 x 0,514 = 0,350

Total pengaruh = 0,309 + 0,350 = 0,659



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
http://teorionline.files.wordpress.com/2010/03/01-desain-path.jpg


16/316

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+ X3X2+ 1Substruktural 1

Y = YX1+ YX2+ YX3 + 2Substruktural 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
http://teorionline.files.wordpress.com/2010/03/01-desain-path.jpg


17/316

17

77 76 73 72

75 74 72 71

74 80 76 80

67 65 61 6272 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 6472 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 8066 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 8269 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


18/316

18

63 68 67 64

77 73 79 77

83 69 82 80

72 77 68 7177 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 6579 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 7062 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 7175 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


19/316

19

78 74 74 79

70 73 72 71

76 79 80 73

70 74 73 7472 69 70 71

81 80 64 78

3.3.2 PENYELESAIAN

1. TAHAP 1

Pada tahap 1 persamaan strukturalnya adalah X3= X3X1+ X3X2+ 1

Dimana X1adalah kompensasi, X2budaya dan X3motivasi

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
http://teorionline.files.wordpress.com/2010/03/1-01.jpg


20/316

20

Regression Sub 1

2. TAHAP 2

Pada tahap 2 persamaan strukturalnya adalah Y = YX1+ YX2+ YX3 + 2

Dimana X1adalah kompensasi, X2budaya, X3motivasi 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

Variables Entered/Removedb

X2, X1a . Enter

Model

1

Variables

Entered

Variables

Removed Method



Model Summary

.699a .488 .475 4.78723

Model

1

R R Square

Adjusted

R Square

Std. Error of

the Estimate


ANOVAb

1662.977 2 831.488 36.282 .000a

1741.732 76 22.918

3404.709 78

Regression

Residual

Total

Model

1

Sum of




Coefficientsa

10.343 7.317 1.413 .162

.461 .094 .462 4.916 .000

.380 .103 .346 3.678 .000

(Constant)

X1

X2

Model

1

B St d. Error

Unstandardized

Coeff icients

Beta

Standardized

Coeff icients

t Sig.



21/316

21

Biarkan methode tetap pada pilihan Enter

Klik OK

Hasil Pengolalahan, seperti berikut :Regression Sub 2

Variables Entered/Removedb

X3, X2, X1a . Enter

Model

1

Variables

Entered

Variables

Removed Method


Dependent Variable: Yb.

Model Summary

.859a .738 .728 3.48609

Model

1

R R Square

Adjusted

R Square

Std. Error of

the Estimate

http://teorionline.files.wordpress.com/2010/03/1-02.jpg


22/316

22

Penafsiran Hasil

SUB STRUKTURAL 1

** Perhatikan hasil output regresi sub 1

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

2569.476 3 856.492 70.477 .000a

911.461 75 12.1533480.937 78

Regression

ResidualTotal

Model

1

Sum of




Coefficientsa

-.382 5.398 -.071 .944

.200 .078 .199 2.557 .013

.245 .082 .220 2.997 .004

.574 .084 .568 6.876 .000

(Constant)

X1X2

X3

Model

1

B St d. Error

Unstandardized

Coeff icients

Beta

Standardized

Coeff icients

t Sig.

Dependent Variable: Ya.

Model Summary

.699a .488 .475 4.78723

Model

1

R R Square

Adjusted

R Square

Std. Error of

the Estimate


ANOVAb

1662.977 2 831.488 36.282 .000a

1741.732 76 22.918

3404.709 78

Regression

Residual

Total

Model

1

Sum of





23/316

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= X3X1+ X3X2+ X31, atau X3= 0,462X1

+ 0,346X2+ 0,715 1.

Secara parsial kompensasi berpengaruh positif dan signifikan terhadap motivasi

kerja pegawai. Besaran pengaruh parsial dan langsung kompensasi terhadapmotivasi 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

Coefficientsa

10.343 7.317 1.413 .162

.461 .094 .462 4.916 .000

.380 .103 .346 3.678 .000

(Constant)

X1

X2

Model

1

B St d. Error

Unstandardized

Coeff icients

Beta

Standardized

Coeff icients

t Sig.



24/316

24

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.

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.

Model Summary

.859a .738 .728 3.48609

Model

1

R R Square

Adjusted

R Square

Std. Error of

the Estimate


ANOVAb

2569.476 3 856.492 70.477 .000a

911.461 75 12.153

3480.937 78

Regression

Residual

Total

Model

1

Sum of





25/316

25

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 = yX1+ yX1+ yX1+ e2,

atau Y = 0,199X1 + 0,220X2 + 0,568X3 + 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)

Coefficientsa

-.382 5.398 -.071 .944.200 .078 .199 2.557 .013

.245 .082 .220 2.997 .004

.574 .084 .568 6.876 .000

(Constant)

X1

X2

X3

Model

1

B St d. Error

Unstandardized

Coeff icients

Beta

Standardized

Coeff icients

t Sig.

Dependent Variable: Ya.


26/316

26

Indirect Effect dan Total Effect:

1. Pengaruh tidak langsung / indirect effect, X1ke Y melalui X3= p X3X1 xp 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, X2ke Y melalui X3= p X3X2 xp yX3

= (0,346) x (0,568) = 0,196. Dengan demikian pengaruh totalnya = p yX 2 +IE= 0,220 + 0,196 = 0,416
http://teorionline.files.wordpress.com/2010/03/01-ringkasan.jpg


27/316


28/316


29/316

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

Keterangan :

X1 sebagai variabel bebas Produk.

X2sebagai variabel bebas Harga.

X3sebagai variabel bebas Promosi.

Y sebagai variabel tergantung.

Diagram jalur tersebut terdiri atas satu persamaan struktural dengan hanya satu

substruktural, yaitu X1, X2, dan X3disebut 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 Type Width Decimal Label Values Missing Column Align Measureproduk numeric 8 2 Produk None None 8 R Scale

harga numeric 8 2 Harga None None 8 R Scale

promosi numeric 8 2 Promosi None None 8 R Scale

kepuasan numeric 8 2 kepuasan None None 8 R Scale

Memasukkan data: kalau pembuatan desain variabel sudah selesai maka kita akan

lanjutkan dengan memasukkan data dengan menekan (klik) pada perintah: DataView. Dengan demikian, tampilan akan terlihat sebagai berikut :

X1

X2 Y

X3

e

rX1X3

rX1X2

rX2X3

PYX1

PYX2

PYX3


30/316

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 AdjustedR Square

Std. Error ofthe Estimate

1 .637a .406 .338 1.579

a. Predictors: (Constant), Promosi, Harga, Produk

No produk harga promosi Kepuasan

1

30


31/316

31

ANOVAb

Model Sum ofSquare

df MeanSquare

F Sig.

1 Regression 44.368 3 14.789 5.931 .003a

Residual 64.831 26 2.494Total 109.199 29


b. Dependent Variabel : Kepuasan Konsumen

Coefficientsa

Model UnstandardizedCoefficients

StandardizedCoefficients

t Sig.B Std.Error Beta

1 (Constant) 5.695 2.365 2.409 .023

Produk .341 .148 .465 2.299 .030

Harga -.103 .149 -.116 -.692 .495

Promosi .214 .151 .280 1.419 .168

a. Dependent Variabel : Kepuasan Konsumen

Correlations

Produk Harga Promosi

Produk Pearson Correlation

Sig. (2-tailed)N

1

-30

.412

.02430

.643

.00030

Harga Pearson CorrelationSig. (2-tailed)N

.412.024

30

1-

30

.354

.05530

Promosi Pearson CorrelationSig. (2-tailed)N

.643.000

30

.354

.05530

1-

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.


32/316

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



1 .637a .406 .338 1.579


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 ofSquare

df MeanSquare

F Sig.

1 Regression 44.368 3 14.789 5.931 .003a

Residual 64.831 26 2.494

Total 109.199 29




33/316


34/316

34

Kriteria sebagai berikut :

Jika sig penelitian > F tabel maka H0 ditolak dan H1diterima

Jika sig penelitian < F tabel maka H0 diterima dan H1ditolak

Berdasarkan perhitungan angka signifikansi sebesar 0,03 < 0,05 maka H0

ditolak dan H1diterima 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 Coefficientsdi bawah ini :

Coefficientsa



T Sig.B Std.Error Beta

1 (Constant) 5.695 2.365 2.409 .023Produk .341 .148 .465 2.299 .030

Harga -.103 .149 -.116 -.692 .495

Promosi .214 .151 .280 1.419 .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 penelitianHasil 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 H1diterima

Jika t penelitian < t tabel maka H0 diterima dan H1ditolakKelima: mengambil keputusan


35/316

35

Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar 2,229>t tabel

sebesar 2,048 sehingga H0 ditolak dan H1diterima 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



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.






Jika t penelitian < t tabel maka H0 diterima dan H1ditolak

Kelima: mengambil keputusan

Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar -0,6920,05.

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 :


36/316

36

b.3 Hubungan antara promosi dan kepuasan

untuk melihat apakah ada hubungan linier antara promosi dan kepuasan, kita



H0 : tidak ada hubungan linier antara promosi dengan kepuasan.

H1 : ada hubungan linier antara promosi dengan kepuasan.


Hasil penghitungan SPSS diperoleh angka t penelitian sebesar 1,419.








Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar 1,419


37/316

37

Correlations

Produk Harga Promosi

Produk Pearson CorrelationSig. (2-tailed)N

1-

30

.412.024

30

.643.000

30


.412*.024

30

1-

30

.354

.05530

Promosi Pearson CorrelationSig. (2-tailed)N

.643**.000

30

.354

.05530

1-

30



a. Korelasi antara produk dan hargaBerdasarkan perhitungan diperoleh angka korelasi antara variabel produk dan

harga sebesar 0,412. Untuk menafsir angka tersebut, digunakan kriteria

sebagai berikut :

00,25 : Korelasi sangat lemah (dianggap tidak ada)

>0,250,5 : Korelasi cukup kuat

>0,50,75 : Korelasi Kuat

>0,751 : 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 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


38/316

38

c. Korelasi antara harga dan promosi

Berdasarkan perhitungan diperoleh angka korelasi antara variabel harga dan


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 :

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.

X1

X2 Y

X3

e

rX1X3

rX1X2

rX2X3

PYX1

PYX2

PYX3


39/316

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 :

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?.


kepuasan pelanggan secara gabungan?.

Produk

Harga Keputusan

Promosi

Loyalitas


40/316

40

3. Berapa besar pengaruh variabel produk, harga, layanan dan kepuasan

pelanggan terhadap variabel harga saham?.


harga saham melalui variabel kepuasan pelanggan?.

4.1.2 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 1015 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

22 18 16 15 14 13

23 14 16 15 11 12

24 15 15 13 12 1125 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

4.1.3 PENYELESAIAN

Penyelesaian masalah tersebut dilakukan melalui tahap-tahap sebagai berikut :


41/316

41

TAHAP I

Menentukan model diagram jalurnya berdasarkan paradigma hubungan antar

variabel sebagai berikut :

TAHAP II

Membuat diagram jalur persamaan strukturalnya sebagai berikut :

Diagram jalur diatas terdiri atas dua persamaan struktural, di mana X1, 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

Produk

Harga Keputusan

Promosi

Loyalitas

1 2

X1

X2 Y1

X3

Y2

1 2


42/316

42

X2 : Harga

X3 : Layanan

: Error


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 OKHasil Perhitungan (Output): ada dua macam hasil penghitungan (output), yaitu


Regresi

Model Summary



1 .609a

.371 .299 1.625a. Predictors: (Constant), Layanan, Harga, Produk

ANOVAb

Model Sum ofSquare

Df MeanSquare

F Sig.

1 Regression 40.565 3 13.522 5.122 .006a

Residual 68.634 26 2.640

Total 109.199 29




43/316

43

Coefficientsa




1 (Constant) 6.257 2.430 2.575 .016Produk .415 .142 .567 2.922 .007

Harga -.084 .153 -.094 -.550 .587

Layanan .086 .127 .125 .680 .503


Correlations

Produk Harga Layanan


1-

30

.412*.024

30

.534**.002

30


.412.024

30

1-

30

.285

.12730

Layanan Pearson CorrelationSig. (2-tailed)N

.534**.002

30

.285

.12730

1-

30



TAHAP IV

Penafsiran Hasil

1. Analisis Regresi


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

R Square

Std. Error of

the Estimate

1 .609a .371 .299 1.625

a. Predictors: (Constant), Layanan, Harga, Produk


44/316

44


untuk melihat pengaruh produk, harga, dan Layanan secara gabungan



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.




ANOVAb

Model Sum of

Square

Df Mean

Square

F Sig.

1 Regression 40.565 3 13.522 5.122 .006a

Residual 68.634 26 2.640

Total 109.199 29



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.


45/316

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

kasus4 atau 304 = 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 H1diterima

Jika F penelitian < F tabel maka H0 diterima dan H1ditolak

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%).





46/316

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 Coefficientsdi bawah ini :

Coefficientsa

Model Unstandardized Coefficients Standardized Coefficients

T Sig.B Std.Error Beta1 (Constant) 6.257 2.430 2.575 .016

Produk .415 .142 .567 2.922 .007

Harga -.084 .153 -.094 -.550 .587

Layanan .086 .127 .125 .680 .503


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.













47/316

47

antara produk dengan kepuasan. Besarnya pengaruh produk dengan kepuasan


b.2 Hubungan antara harga dan kepuasan

untuk melihat apakah ada hubungan linier antara harga dan kepuasan, kita



H0 : tidak ada hubungan linier antara harga dengan kepuasan.

H1 : ada hubungan linier antara harga dengan kepuasan.










Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar -0,550


48/316

48







Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar 0,6800,250,5 : Korelasi cukup kuat




49/316

49





b. Korelasi antara produk dan promosi



antara variabel produk dan harga kuat dan searah. Korelasi dua variabel

bersifat signifikan karena angka signifikansi sebesar 0,0020,005.

Substruktural 2

Analisis

Persamaan strukturalnya ialah

Dimana Y2 : Loyalitas

Y1 : Kepuasan

X1 : Produk

X2 : Harga

X3 : Layanan

: Error


50/316


51/316

51

Coefficientsa




1 (Constant) -3.780 1.231 -3.070 .005Produk -.066 .074 -.091 -.892 .381Harga .318 .070 .361 4.580 .000

Layanan .110 .058 .162 1.899 .069

Kepuasan .768 .089 .777 8.658 .000

a. Dependent Variabel : Loyalitas Konsumen

Correlations

Produk Harga Layanan Kepuasan


1-

30

.412*.024

30

.534**.002

30

.595**

.00130


.412.024

30

1-

30

.285

.12730

.175

.35530


.534**.002

30

.285

.12730

1-

30

.401*.028

30

Kepuasan Pearson CorrelationSig. (2-tailed)

N

.595

.001

30

.175

.355

30

.401.028

30

1-

30*Correlations is significants at the 0.05 level (2-tailed)


Penafsiran Hasil

1. Analisis Regresi


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



1 .935a .873 .853 .735

a. Predictors: (Constant), Kepuasan Konsumen, Layanan, Harga, Produk


52/316

52


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.




ANOVAb

Model Sum ofSquare

Df MeanSquare

F Sig.

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 signifikansi (sig) hasil

penghitungan dengan taraf signifikansi 0,05 (5%).


53/316

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

kasus4 atau 304 = 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 H1diterima

Jika F penelitian < F tabel maka H0 diterima dan H1ditolak

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%).




Berdasarkan perhitungan angka signifikansi sebesar 0,00 < 0,05 maka H0

ditolak dan H1diterima artinya ada hubungan linier antara produk, harga,

layanan dan kepuasan dengan loyalitas.


54/316

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 Coefficientsdi

bawah ini :

Coefficientsa




1 (Constant) -3.780 1.231 -3.070 .005Produk -.066 .074 -.091 -.892 .381

Harga .318 .070 .361 4.580 .000Layanan .110 .058 .162 1.899 .069

Kepuasan .768 .089 .777 8.658 .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 hipotesisH0 : tidak ada hubungan linier antara produk dengan loyalitas.

H1 : ada hubungan linier antara produk dengan loyalitas.










Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar -0,892


55/316

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 :


H0 : tidak ada hubungan linier antara harga dengan loyalitas.

H1 : ada hubungan linier antara harga dengan loyalitas.












antara harga dengan loyalitas. Besarnya pengaruh harga dengan loyalitas


b.3 Hubungan antara layanan dan loyalitas

untuk melihat apakah ada hubungan linier antara layanan dan loyalitas, kita



H0 : tidak ada hubungan linier antara layanan dengan loyalitas.

H1 : ada hubungan linier antara layanan dengan loyalitas.







56/316

56





Didasarkan hasil penghitungan diperoleh angka t penelitian sebesar 1,899 t tabel maka H0 ditolak dan H1diterima





antara kepuasan dengan loyalitas. Besarnya pengaruh kepuasan dengan

loyalitas sebesar 0,777 atau 77,7%.

2. Analisis Korelasi

Korelasi antara produk, harga, layanan, kepuasan dan loyalitas dapat

dilihat pada tabel di bawah ini.


57/316

57

Correlations

Produk Harga Layanan Kepuasan

Produk Pearson CorrelationSig. (2-tailed)

N

1-

30

.412*.024

30

.534**.002

30

.595**

.001

30Harga Pearson CorrelationSig. (2-tailed)N

.412.024

30

1-

30

.285

.12730

.175

.35530


.534**.002

30

.285

.12730

1-

30

.401*.028

30

Kepuasan Pearson CorrelationSig. (2-tailed)N

.595

.00130

.175

.35530

.401.028

30

1-

30



a. Korelasi antara produk dan harga


harga sebesar 0,412. Untuk menafsir angka tersebut, digunakan kriteria

sebagai berikut :

00,25 : Korelasi sangat lemah (dianggap tidak ada)

>0,250,5 : Korelasi cukup kuat







b. Korelasi antara produk dan layanan


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


58/316

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


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 0,000,05.

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.


59/316

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


60/316

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 :

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

X1

X2 Y1

X3

Y2

1 2

rX1X3

rX1X2

rX2X3

PY1X1

PY1X2

PY1X3

PY2X1

PY2X3

PY2Y1

X1

X2 Y1

X3

Y2

0,6290,127

0,534

0,412

0,285

0,567

-0,094

0,125

-0,091

0,162

0,777


61/316

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.


62/316

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 :

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 ?

Produk Kepuasan

Layanan

Harga Loyalitas


63/316

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


64/316

64

22 18 16 15 14 13

23 14 16 15 11 12

24 15 15 13 12 11

25 14 13 18 12 1026 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 PENYELESAIANPenyelesaian masalah tersebut dilakukan melalui tahap-tahap sebagai berikut :

TAHAP I

Tahap pertama adalah menentukan diagram jalur sesuai dengan paradigma

hubungan variabel

Diagram jalur di atas terdiri atas tiga persamaan struktural, dimana X1 dan X2

sebagai variabel eksogen, sedangkan X3, Y1dan Y2sebagai variabel endogen.

Persamaan strukturalnya dapat dilihat sebagai berikut :

1.

2.

3.

Produk Kepuasan

Layanan

Harga Loyalitas


65/316

65

TAHAP II

Tahap berikutnya adalah menentukan model diagram jalurnya

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


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:

X1 Y1

X3

X2 Y2

rX1X2

PX3X2

PY1X1

PX3X1

PY2X2

PY1X3

PY2X3

PY2Y1


66/316

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


Model Summary



1 .539a .290 .238 2.462a. Predictors: (Constant), Harga, Produk

ANOVAb

Model Sum ofSquare

Df MeanSquare

F Sig.

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




1 (Constant) 6.178 3.484 1.773 .087Produk .534 .189 .502 2.819 .009Harga .102 .231 .079 .442 .662


Correlations

Produk Harga


1-

30

.412.024

30


.412*.024

30

1-

30




67/316

67

Penafsiran Hasil

1. Analisis Regresi


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



1 .539a

.290 .238 2.462a. Predictors: (Constant), Harga, Produk


untuk melihat pengaruh produk, harga, dan Layanan secara gabungan



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 d

315 Analisisjalurpathanalysis 131128195317 Phpapp02

Documents

Transcript of 315 Analisisjalurpathanalysis 131128195317 Phpapp02