UJI Regresi berganda

1.Uji korelasi Berdasarkan hasil analisis diperoleh nilai korealsi 0,423 artinya terdapat hubungan antara kepuasan pelanggan dengan kelima variabel independennya sebesar 0,423 dan hubungannya sedang.

2.Uji deteminasiKarena jumlah variabel dependentnya lebih dari dua,lebih baik digunakan adjusted R square,yang adalah 0,168.Hal ini brarti 16,8% variasi dari kepuasan pelanggan,bisa dijelaskan oleh variasi dari kelima variable independent. Sedangkan sisanya 83,2% dijelaskan oleh faktor lain diluar variabel independent yang diteliti.

3.Uji f

HipotesisHo:Model belum tepat digunakan untuk memprediksiH1:Model sudah tepat untuk memprediksi Taraf signifikansiα=0,05Daerah kritikMenolak Ho jika signifikansi < α=0,05KeputusanBerdasarkan hasil analisis diperoleh signifikansi(0,000) < α=0,05 ,maka Ho ditolakKesimpulanModel sudah tepat digunakan untuk memprediksi

4.Uji parsial(uji t)

Setelah dicek di tabel coefficients, maka dilihat variabel independent yang jauh dari mempengaruhi variabel dependent.Dan varaiebel responsiveness dengan signifikansi(0,475), tangible dengan signifikansi(0,051), Maka kedua variabel itu harus dikeluarkan dari model,kemudian dilakukan ulang uji kelayakan model.

Dikeluarkan responsiveness dan tamgible

UJI dari awal regresinya

1.Uji korelasi Berdasarkan hasil analisis diperoleh nilai korealsi 0,411 artinya terdapat hubungan antara kepuasan pelanggan dengan kelima variabel independennya sebesar 0,411 dan hubungannya sedang.

2.Uji deteminasiKarena jumlah variabel dependentnya lebih dari dua,lebih baik digunakan adjusted R square,yang adalah 0,162.Hal ini brarti 16,2% variasi dari kepuasan pelanggan,bisa dijelaskan oleh variasi dari kelima variable independent. Sedangkan sisanya 83,8% dijelaskan oleh faktor lain diluar variabel independent yang diteliti.

3.Uji simultan(uji F)

HipotesisHo:Model belum tepat digunakan untuk memprediksiH1:Model sudah tepat untuk memprediksi Taraf signifikansiα=0,05Daerah kritikMenolak Ho jika signifikansi < α=0,05KeputusanBerdasarkan hasil analisis diperoleh signifikansi(0,000) < α=0,05 ,maka Ho ditolakKesimpulanModel sudah tepat digunakan untuk memprediksi

4.Uji parsial(uji t)

HipotesisHo:Tidak ada pengaruh variabel independet terhadap kepuasan pelanggan secara parsial H1: Ada pengaruh variabel independet terhadap kepuasan pelanggan secara parsialTaraf signifikansiα=0,05Daerah kritikMenolak Ho jika signifikansi < α=0,05KeputusanBerdasarkan hasil analisis diperoleh signifikansi(0,000;0,000;0,000) < α=0,05 ,maka Ho ditolakKesimpulanAda pengaruh variabel independet terhadap kepuasan pelanggan secara parsial

Karena uji simultan(uji F) dan Uji parsial(uji t) layak dipakai, maka lanjut ke asumsi klasik regresi berganda

MODEL REGRESI:

Kepuasan pelanggan = 2,742 + 0,182Reliabilty + 0,391Asurance – 0,180 emphaty

Interpretasi:

Konstanta 2,742 menyatakan bahwa jika tidak pengaruh variabel reliability ,asuance,emphaty maka kepuasan pelanggan ada pada skor sebesar 2,742

Koefisien regersi 0,182 menyatakan bahwa setiap pengurangan 1 skor pada reliability maka akan mengurangi kepuasan pelanggan sebesar 0,182 skor .Atau setiap penambahan 1 skor pada reliability maka akan meningkatkan kepuasan pelanggan sebesar 0,182 skor

Koefisien regersi 0,391 menyatakan bahwa setiap pengurangan 1 skor pada reliability maka akan mengurangi kepuasan pelanggan sebesar skor 0,391 .Atau setiap penambahan 1 skor pada reliability maka akan meningkatkan kepuasan pelanggan sebesar skor 0.391

Koefisien regersi -0,180 menyatakan bahwa setiap pengurangan 1 skor pada emphaty maka akan meningkatkan kepuasan pelanggan sebesar 0,180 skor . Atau setiap penambahan 1 skor pada asuance maka akan mengurangi kepuasan pelanggan sebesar 0,180 skor

Setelah itu dilakukan asumsi regresi berganda, agar diketahui keakuratan dari model regresi yang telah diperoleh

Uji normalitas Residual

HipotesisHipotesisHo: Residual data berdistribusi NormalH1:  Residual data tidak berdistribusi normal Taraf siginfikansiα=0,05Daerah kritikMenolak Ho jika signifikansi < α=0,05KeputusanBerdasarkan hasil analisis diperoleh pada kolom shapiro-wilk yaitu signifikansi(0,000) < α=0,05 ,maka Ho ditolak KesimpulanResidual data tidak berdistribusi normal. Sehingga model regresi tadi, error yg dihasilkan mempunyai distribusi yg tidak normal.

Multikolinieritas

Syarat data yang tidak terjadi masalah multikolinieritas adalah VIF disekitar angka 1 dan TOLERANCE mendekati 1

Sehingga , Pada bagian coeficients terlihat angka VIF variabel reliability (1,056),asurance(1,047),emphaty(1,034) yang masing-masing berada di sektitar 1 .dan angka TOLERANCE mendekati 1 yang masing-masing reliability (0,947),asurance(0,955),emphaty(0,967). Sehingga dapat disimpulkan bahwa tidak terjad masalah mulltikolinieritas

Heteroskedastisitas

HipotesisHo: Tidak terjadi HeteroskedastisitasH1:  Terjadi Heteroskedastisitas

Taraf signifikansiα=0,05Daerah kritikMenolak Ho jika signifikansi < α=0,05KeputusanBerdasarkan hasil analisis diperoleh signifikansi(1,000) > α=0,05 ,maka Ho gagal ditolakKesimpulanTidak terjadi heteroskedastisitas

Autokorelasi

Syarat data yang tidak terjadi masalah pada autokolreasi adalah ,tidak terjadi autokorelasi

Berikut cara perhitungannya:

Angka D-W dibawah -2 berarti ada autokorelasi positif

Angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi

Angka D-W di atas +2 ada autokorelasi negatif

Kesimpulan: D-W = 1,930,berarti Angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi