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 (X1) 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
Variables Entered/Removedb

Variables Variables
Model Entered Removed Method
1 Harga, a
. Enter
Distribusi
a. All requested variables entered.
b. Dependent Variable: Kepuasan Pelanggan

Model Summaryb

Adjusted Std. Error of Durbin-W

Model R R Square R Square the Estimate atson
1 .747a .558 .539 1.620 1.668
a. Predictors: (Constant), Harga, Distribusi
b. Dependent Variable: Kepuasan Pelanggan

ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regression 155.960 2 77.980 29.696 .000a
Residual 123.420 47 2.626
Total 279.380 49
a. Predictors: (Constant), Harga, Distribusi
b. Dependent Variable: Kepuasan Pelanggan

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients Correlations Collinearity Statistics
Model B Std. Error Beta t Sig. Zero-order Partial Part Tolerance VIF
1 (Constant) 11.292 1.607 7.026 .000
Harga .887 .115 .748 7.703 .000 .745 .747 .747 .997 1.003
Distribusi .088 .138 .062 .639 .032 .024 .093 .062 .997 1.003
a. Dependent Variable: Kepuasan Pelanggan
 Collinearity Diagnosticsa

Condition Variance Proportions

Model Dimension Eigenvalue Index (Constant) Harga Distribusi
1 1 2.921 1.000 .00 .01 .00
2 .067 6.593 .03 .94 .08
3 .012 15.864 .96 .05 .92
a. Dependent Variable: Kepuasan Pelanggan

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 12.72 19.90 15.82 1.784 50
Std. Predicted Value 1.739 2.285 .000 1.000 50
Standard Error of
.237 .675 .374 .135 50
Predicted Value
Adjusted Predicted Value 12.47 20.09 15.82 1.815 50
Residual 2.93 3.65 .00 1.587 50
Std. Residual 1.809 2.252 .000 .979 50
Stud. Residual 1.850 2.328 .000 1.005 50
Deleted Residual 3.07 3.90 .00 1.671 50
Stud. Deleted Residual 1.900 2.449 .001 1.019 50
Mahal. Distance .071 7.523 1.960 2.253 50
Cook's Distance .000 .125 .018 .022 50
Centered Leverage Value .001 .154 .040 .046 50
a. Dependent Variable: Kepuasan Pelanggan

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

.75
E x pec ted C um Prob

.50

.25

0.00
0.00 .25 .50 .75 1.00

Observed Cum Prob

Scatterplot
Dependent Variable: Kepuasan Pelanggan
3
Regression Studentized Residual

-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
E x pec ted C um 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 layak dipakai untuk memprediksi Kepuasan Pelanggan berdasarkan variabel
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
 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 Keputusan terhadap Asumsi

Multikolinieritas
Harga (X1) 0,997 1,003 Terpenuhi
Distribusi (X2) 0,997 1,003 Terpenuhi
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

-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 Sig
(B)
Harga (X1) 0,887 7,703 0,000
Distribusi (X2) 0,088 0,639 0,032
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) berpengaruh signifikan secara simultan terhadap Kepuasan
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 (X 1), maka akan menambah atau mengurangi
kepuasan pelanggan sebesar 88,7%.
 2) Distribusi (X2)
Analisis Regresi menunjukkan koefesien Regresi (B) sebesar 8,80% terhadap kepuasan
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.