LAPORAN

Analisis Regresi Linear Berganda

“Pengaruh Kompetensi Pegawai ,Disiplin Kerja,Kualitas Pelayanan
Kesehatan Terhadap Kepuasan Pasien”
Makalah ini dibuat untuk memenuhi tugas mata kuliah ekonometrika

Dosen Pengampu : Hanna Hilyati Aulia,M.Si

Disusun Oleh :
Ines Rachelia Muis
NPM: 2103011042

ESY D

JURUSAN EKONOMI SYARIAH

FAKULTAS EKONOMI DAN BISNIS ISLAM

INSTITUT AGAMA ISLAM NEGERI METRO

T.A 2022/2023
 KATA PENGANTAR

Syukur alhamdulillah kami panjatkan atas kehadirat Allah SWT yang telah
melimpahkan rahmat dan karunianya, sehingga kami dapat menyelesaikan penelitian ini
guna memenuhi tugas untuk mata kuliah ekonometrika dengan permasalahan yang di
angkat tentang analisis “Pengaruh Kompetensi Pegawai,Disiplin Kerja,Kualitas Pelayanan
Kesehatan Terhadap Kepuasan Pasien”

Tidak lupa kami ucapkan terimakasih kepada ibu Hanna Hilyati Aulia selaku dosen
pengampu mata kuliah ekonometrika. Kami juga mengucapkan banyak terimakasih
kepada teman-teman yang telah membantu mengumpulkan data-data dalam laporan ini.

Kami menyadari bahwa dalam pembuatan laporan ini masih jauh dari kata
sempurna di karenakan terbatasnya pengalaman dan pengetahuan yang kami miliki. Oleh
karena itu, kami menghrapkan segala bentuk saran dan kritik yang membangun dari
teman-teman. Dan yang terakhir kami berharap semoga laporan ini dapat memberikan
manfaat bagi kita semua.

Metro, 21 Oktober 2022

Penulis
 A. Pendahuluan
Latar Belakang

Hasil penelitian ini menunjukan bahwa secara langsung kompetensi tidak memiliki
pengaruh terhadap kepuasan pasien,secara langsung kualitas pelayanan memiliki
pengaruh positif dan signifikan terhadap kepuasan pasien,secara langsung disiplin kerja
tidak memiliki pengaruhterhadap kepuasan pasien,secara bersamaan kompetensi
pegawai,kualitas pelayanan dan disiplin kerja memiliki pengaruh dan signifikan terhadap
kepuasan pelanggan.

Rumusan Masalah

1. Bagaimana subtitusi data pada interpretasi uji asumsi klasik?

2. Bagaimana subtitusi data pada interpretasi persamaan regresi?
3. Bagaimana subtitusi data pada uji spesifikasi model ( uji F )?
4. Bagaimana subtitusi data pada uji persial ( uji T )?

Tujuan Masalah

1.1 Mengetahui dan memahami hasil dari uji asumsi klasik terhadap
beberapa variabel
2.1 Mengetahui dan memahami uji persamaan regresi linier berganda
terhadap beberapa variabel
3.1 Mengetahui dan memahami uji f terhadap beberapa variabel
4.1 Mengetahui dan memahami uji t terhadap beberapa variable

Teori
Analisis regresi merupakan suatu metode atau teknik analisis hipotesis penelitian
untuk menguji ada tidaknya pengaruh antara variabel satu dengan variabel lain yang
dinyatakan dalam bentuk persamaan matematik (regresi). Analisis regresi linear
multiples atau berganda berfungsi untuk mencari pengaruh dari dua atau lebih variabel
independent (variabel bebas atau X) terhadap variabel dependent (variabel terikat atau Y).
 Dengan demikian, secara sederhana dapat dikatakan bahwa, apabila kita ingin
mengetahui ada tidaknya pengaruh satu variabel X terhadap variabel Y maka digunakan
analisis regresi sederhana. Sementara apabila kita ingin mengetahui pengaruh dua
variabel X atau lebih terhadap variabel Y maka digunakan analisis regresi linear ganda
(multiples).
Namun sebelum melakukan analisis regresi multiples atau regresi linear berganda
untuk uji hipotesis penelitian, maka ada beberapa asumsi atau persyaratan yang harus
terpenuhi dalam model regresi. Persyaratan atau asumsi ini dibuktikan melalui
serangkaian uji asumsi klasik mencakup:
1. Uji normalitas, dimana asumsi yang harus terpenuhi adalah model regresi
berdistribusi normal.
2. Uji linearitas, dimana hubungan yang terbentuk antara variabel independent
dengan variabel dependent secara parsial adalah linear.
3. Uji multikolinearitas, dimana model regresi yang baik adalah tidak terjadi gejala
multikolinearitas.
4. Uji heteroskedastisitas, dalam model regresi tidak terjadi gejala
heteroskedastisitas.
5. Uji autokorelasi (khusus untuk data time series), persyaratan yang harus terpenuhi
adalah tidak terjadi autokorelasi.

Metode
1. Uji normalitas (Kolmogorov Smirnov)
a. Buka program SPSS, klik . Selanjutnya, pada bagian
tulis saja nama variabel dari x dan y, pada Decimals
ubah semua menjadi angka 0. Abaikan yang lainnya yang ada di
layar.
b. Setelah itu, klik Data View, lalu masukkan angka dari variabel x dan y
yang sudah dipersiapkan.
c. Setelah data di masukan, maka dalam uji ini kita akan memunculkan
nilai terlebih dahulu dengan cara klik
menu , kemudian klik lalu pilih
 d. Muncul kotak dialog dengan nama "Linear Regression", selanjutnya
masukkan variabel Y ke Dependent: lalu masukkan variabel X ke
kotak Independent(s), kemudian klik Save
e. Maka mucul lagi kotak dialog dengan nama "Linear Regression:
Save", pada bagian "Residuals", centang (v) Unstandardized (abaikan
kolom dan pilihan yang lain). Selanjutnya, klik Continue lalu klik Ok
f. Abaikan saja output yang muncul dari program SPSS. Perhatikan
pada tampilan Data View yang terdapat pada lembar awal spss,
maka akan muncul variabel baru dengan nama RES_1 di kolom.
g. Langkah selanjutnya untuk melakukan uji normalitas
kolmogorov-smirnov, pilih menu Analyze, lalu pilih Nonparametric
Tests, klik Legacy Dialogs,kemudian pilih submenu 1-Sample K-S...
h. Muncul kotak dialog lagi dengan nama "One Sample
Kolmogorov-Smirnov Test". Selanjutnya, masukkan variabel
ke kotak Test Variable List: pada "Test
Distribution" lalu aktifkan atau centang (v) pilihan Normal yang
berada di sebelah bawah kiri tabel
i. Langkah terkahir yakni klik Ok untuk mengakhiri perintah.
Selanjutnya, lihat tampilan tabel output yang muncul di SPSS
"One-Sample Kolmogorov Smirnov Test", maka tinggal di
interpretasikan supaya maknanya lebih jelas lagi.

2. Uji linearitas
a. Buka program SPSS, klik . Selanjutnya, pada bagian
tulis saja nama variabel dari x dan y, pada Decimals
ubah semua menjadi angka 0. Abaikan yang lainnya yang ada di
layar.
b. Setelah itu, klik Data View, lalu masukkan angka dari variabel x dan y
yang sudah dipersiapkan.
c. Selanjutnya, dari menu utama spss pilih lalu klik
dan pilih
 d. Muncul kotak dengan nama "Means". Kemudian, masukkan variabel
X ke kotak Independent List: dan variabel Y ke kotak Dependent List:
e. Selanjutnya, klik , pada bagian “Statistics for First Layer” pilih
yang berada di bawah sebelah kiri kemudian klik

f. Lalu klik dan akan muncul output spss cukup lihat pada bagian

Catatan: uji ini dilakukan untuk semua variabel bebas (x)

terhadap variabel tak bebas (y)
3. Uji multikolinearitas
a. Buka program SPSS, klik . Selanjutnya, pada bagian
tulis saja nama variabel dari x dan y, pada Decimals
ubah semua menjadi angka 0. Abaikan yang lainnya yang ada di
layar.
b. Setelah itu, klik Data View, lalu masukkan angka dari variabel x dan y
yang sudah dipersiapkan.
c. Selanjutnya pada menu spss pilih menu kemudian klik
lalu pilih
d. Muncul kotak baru dengan nama "Linear Regression", selanjutnya
masukkan variabel X1,X2 dan X3 pada kotak Independent(s): lalu
masukkan variabel Y pada kotak dependent, kemudia pada bagian
"Method" pilih Enter, lalu klik ...
e. Dilayar akan muncul tampilan dialog "Linear Regression: Statistics".
Aktifkan pilihan dengan cara mecentang (v) pada Covariance matrix,
Collinierity Diagnostics, Estimates dan Model fit. Abaikan pilihan lain
atau biarkan tetap defauld kemudian klik
f. Terakhir klik oke lalu muncul output spss dengan judul Regression.
Cukup lihat tabel output

4. Uji heteroskedasitas ( Glejser )

a. Buka program SPSS, klik . Selanjutnya, pada bagian
tulis saja nama variabel dari x dan y, pada Decimals
ubah semua menjadi angka 0. Abaikan yang lainnya yang ada di
layar.
b. Setelah itu, klik Data View, lalu masukkan angka dari variabel x dan y
yang sudah dipersiapkan.
c. Setelah data di masukan, maka dalam uji ini kita akan memunculkan
nilai terlebih dahulu dengan cara klik
menu , kemudian klik lalu pilih
d. Muncul kotak dialog dengan nama "Linear Regression", selanjutnya
masukkan variabel Y ke Dependent: lalu masukkan variabel X ke
kotak Independent(s), kemudian klik Save
e. Maka mucul lagi kotak dialog dengan nama "Linear Regression:
Save", pada bagian "Residuals", centang (v) Unstandardized (abaikan
kolom dan pilihan yang lain). Selanjutnya, klik Continue lalu klik Ok
f. Abaikan saja output yang muncul dari program SPSS. Perhatikan
pada tampilan Data View yang terdapat pada lembar awal spss,
maka akan muncul variabel baru dengan nama RES_1 di kolom.
g. Kemudian kita akan membuat variabel Abs_RES yang akan kita
gunakan dalam uji glejser ini. Caranya, dari menu utama SPSS pilih
lalu klik ....
h. Maka muncul dialog "Compute Variable" selanjutnya pada kotak
"Target Variable" tuliskan lalu pada kotak "Numeric
Expression" ketikkan
i. Kemudian klik dan abaikan saja output yang muncul lihat saja
pada bagian data view maka muncul variabel baru dengan nama

j. Selanjuntya kita akan melakukan uji glejser untuk persamaan regresi

X1, X2 dan X3 terhadap variabel Absolute residual atau Abs_RES.
Caranya dari menu utama SPSS pilih , kemudian pilih
, lalu klik ...
 k. Muncul kotak dialog dengan nama 'Linear Regression", selanjutnya
keluarkan variabel Y yang terdapat pada kolom Dependent: lalu ganti
dengan variabel Abs_RES, kemudian klik ..
l. Mucul kotak dengan nama “Linear Regression: Save”, selanjutnya
pada bagian "Residuals", tanda centang (v) pada
(abaikan pilihan yang lain), lalu klik ...
m. Lalu klik

5. Uji autokorelasi ( Durbin Watson )

a. Buka program SPSS, klik . Selanjutnya, pada bagian
tulis saja nama variabel dari x dan y, pada Decimals
ubah semua menjadi angka 0. Abaikan yang lainnya yang ada di
layar.
b. Setelah itu, klik Data View, lalu masukkan angka dari variabel x dan y
yang sudah dipersiapkan.
c. Selanjutnya pada menu spss pilih menu kemudian klik
lalu pilih
d. Muncul kotak baru dengan nama "Linear Regression", selanjutnya
masukkan variabel X1, X2 dan X3 pada kotak Independent(s): lalu
masukkan variabel Y pada kotak dependent, lalu klik ...
e. Muncul kotak dengan nama “ Linear Regression: statistic” pada
bagian ini cetang (v) pada
Kemudian C
f. Langkah terakhir klik Oke. Maka akan muncul output spss, dalam hal
ini yang perlu kita perhatikan adalah tabel dengan judul “Model
Summary”

6. Uji regresi berganda

a. Buka program SPSS, klik . Selanjutnya, pada bagian
tulis saja nama variabel dari x dan y, pada Decimals
 ubah semua menjadi angka 0. Abaikan yang lainnya yang ada di
layar.
b. Setelah itu, klik Data View, lalu masukkan angka dari variabel x dan y
yang sudah dipersiapkan.
c. Selanjutnya dari menu SPSS, pilih
d. Muncul kotak dialog dengan nama "Linear Regression", masukkan
variabel X1, X2 dan X3 ke kotak s), masukkan variabel Y
pada kotak , pada bagian pilih , selanjutnya
klik .
e. Pada bagian "Linear Regression: Statistics", berikan tanda centang
pada dan kemudian klik
f. Langkah terakhir klik Oke maka akan muncul output SPSS

Pembahasan

A. Interpretasi Uji Asumsi Klasik

1. Uji Normalitas (Kolmogorov Smirnov)
Normalitas data perlu/penting dilakukan karena jika data yang digunakan tidak
berdistribusi normal, maka model regresi linear tidak dapat digunakan. Jadi harus
NORMAL.

Uji normalitas bertujuan untuk menguji apakah data yang digunakan dalam penelitian
berdistribusi normal atau tidak. Metode pengujian normalitas dengan kolmogorov
smirnov dilakukan dengan cara membandingkan distribusi data (yang akan diuji
normalitasnya) dengan distribusi normal. Pada praktikum ini, uji normalitas
kolmogorov smirnov dilakukan dengan bantuan program SPSS. Kriteria pengujian uji
normalitas: Jika nilai Asymp.sig lebih besar dari 0,05 maka data penelitian
berdistribusi normal, Sebaliknya Jika nilai Asymp.sig lebih kecil dari 0,05 maka data
penelitian berdistribusi tidak normal.
 One-Sample Kolmogorov-Smirnov Test

Unstanda
rdized
Residual
N 20
Normal Mean .0000000
Parametersa,b Std. Deviation 20.59415
443
Most Extreme Absolute .119
Differences Positive .114
Negative -.119
Test Statistic .119
Asymp. Sig. (2-tailed)c .200d
Monte Carlo Sig. Sig. .627
(2-tailed)e 99% Lower .614
Confidence Bound
Interval Upper .639
Bound
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.
e. Lilliefors' method based on 10000 Monte Carlo
samples with starting seed 2000000.
Berdasarkan uji normalitas kolmogorov smirnov dengan program SPSS, diketahui
bahwa nilai signifikansi Asymp.Sig. (2-tailed) sebesar 0,2 , lebih besar dari 0,05. Dengan
demikian, dapat disimpulkan bahwa data berdistribusi (normal). Artinya, persyaratan
normalitas dalam model sudah terpenuhi.
 2.Uji Linieritas (x1 thd Y, x2 thd Y, dst)
Linieritas variabel perlu/penting untuk dipastikan agar pola hubungan kedua variabel
independen dan dependen akan membentuk satu garis lurus. Beberapa pendapat
muncul terkait perlu tidaknya kita menguji asumsi linearitas ini terlebuh dahulu
sebelum melakukan uji hipotesis. Pendapat ini wajar saja, karena memang uji
hipotesis, dengan korelasi pearson misalnya, mendasarkan hubungannya harus linear,
jadi ketika hasil korelasi signifikan, sudah dipastikan asumsi linearitas juga terpenuhi.
Jadi menguji asumsi linearitas di awal adalah sesuatu yang mubazir.

Uji linieritas bertujuan untuk mengetahui apakah dua variable atau lebih yang diuji
hubungan yang linier atau tidak secara signifikan, uji ini biasanya digunakan sebagai
persyarat dalam analisis korelasi atau regresi linier.

Metode pengujian linieritas dilakukan dengan cara scatter plot graph dan fungsi
compare means. Pada menu, klik Analyze, Compare Means, Means. Isikan Y ke kotak
Dependent List dan Isikan X ke kotak Independen List. Klik Options dan centang Test of
Linearity.

Pada praktikum ini, uji linieritas dilakukan dengan bantuan program SPSS dengan uji
mean. Kriteria pengujian uji linieritas: Jika nilai Deviation from linearity sig. >0,05, maka
ada hubungan yang linier secara signifikan antara variable independent dengan variabel
dependent, jika nilai deviation from linearity sig < 0,05 maka tidak ada hubungan yang
liniersecara signifikan antara variable independent dengan variable dependent.

Untuk variabel (X1) Kompetensi Pegawai

ANOVA Table
Sum of Mean
Squares df Square F Sig.
Kepuasan Between (Combined) 6061.667 12 505.139 .877 .599
Pasien * Groups Linearity 1268.113 1 1268.11 2.201 .182
Kompetensi 3
Pegawai Deviation 4793.554 11 435.778 .756 .674
from Linearity
Within Groups 4033.333 7 576.190
 Total 10095.00 19
0

Berdasarkan uji linieritas dengan program SPSS, diketahui bahwa nilai deviation from
linearity Sig adalah 0,674 lebih besar dari 0,05 maka kedua variabel terdapat
hubungan linier. Maka dapat disimpulkan bahwa ada hubungan linear secara
signifkan antara variabel Kompetensi Pegawai (X1) dengan variabel Kepuasan Pasien
(y).

Untuk variabel (X2) Disiplin Kerja

ANOVA Table
Sum of Mean
Squares df Square F Sig.
Kepuasan Between (Combined) 5431.667 9 603.519 1.294 .345
Pasien * Disiplin Groups Linearity 603.362 1 603.362 1.294 .282
Kerja Deviation 4828.304 8 603.538 1.294 .344
from Linearity
Within Groups 4663.333 10 466.333
Total 10095.00 19
0

Berdasarkan uji linieritas dengan program SPSS, diketahui bahwa nilai deviation from
linearity Sig adalah 0,344 Lebih besar dari 0,05. Maka kedua variabel terdapat
hubungan linier. Sebaliknya, tidak linier. Maka dapat disimpulkan bahwa ada
hubungan linear secara signifkan antara variabel Disiplin Kerja(X2) dengan variabel
Kepuasan Pasien (y).

Untuk variabel (X3) Kualitas Pelayanan Kesehatan

ANOVA Table
Sum of Mean
Squares df Square F Sig.
Kepuasan Between (Combined) 5715.000 10 571.500 1.174 .409
Pasien * Kualitas Groups Linearity 816.100 1 816.100 1.677 .228
Pelayanan Deviation 4898.900 9 544.322 1.118 .435
Kesehatan from Linearity
Within Groups 4380.000 9 486.667
Total 10095.00 19
0

Berdasarkan uji linieritas dengan program SPSS, diketahui bahwa nilai deviation from
linearity Sig adalah 0,435 Lebih besar dari 0,05. Maka kedua variabel terdapat
hubungan linier. Sebaliknya, tidak linier. Maka dapat disimpulkan bahwa ada
hubungan linear secara signifkan antara variabel Kualitas Pelayanan Kesehatan(X3)
dengan variabel Kepuasan Pasien (y).

Dapat disimpulkan dari uji linieritas ketiga variabel diatas memenuhi persyarat
linieritas

3. Uji Multikolinieritas

Multikolinieritas adalah bagian dari uji asumsi klasik (normalitas dan

heteroskedastisitas) dalam analisis regresi linear berganda. Tujuan digunakannya uji
multikolinearitas dalam penelitian adalah untuk menguji apakah model regresi
ditemukan adanya korelasi (hubungan kuat) antar variabel bebas atau variabel
independent. Model regresi yang baik seharusnya tidak terjadi korelasi diantara
variabel bebas atau tidak terjadi gejala multikolinearitas..

Uji multikolinieritas bertujuan untuk Untuk mendeteksi ada tidaknya gejala

multikolinearitas dalam model regresi, maka dapat dilakukan dengan beberapa cara,
yaitu:

1. Melihat nilai korelasi antar variabel independent.

2. Melihat nilai condition index dan eigenvalue.
3. Melihat nilai tolerance dan variance inflating factor (VIF)
 Metode pengujian multikolinieritas dapat dilakukan dengan melihat nilai toleransi dan
nilai Variance Inflation Factor (VIF). Hipotesis yang dilakukan dalam uji
multikolinearitas adalah H0 : VIF < 10 artinya tidak terdapat Multikolinearitas.

Ha : VIF > 10 artinya terdapat Multikolinearitas

Pada praktikum ini, uji multikolinieritas dilakukan dengan bantuan program SPSS
dengan Tolerance and VIF.

Kriteria pengujian uji multikolinieritas: Jika nilai VIF < 10 atau nilai Tolerance > 0,01, maka dinyatakan
Coefficients a
tidak terjadi multikolinearitas. Jika nilai VIF > 10 atau nilai Tolerance < 0,01, maka dinyatakan terjadi
multikolinearitas maka tidak terjadi multikoliniearitas.Standardiz
ed
Unstandardized Coefficient Collinearity
Coefficients s Statistics
Tolera
Model B Std. Error Beta t Sig. nce VIF
1 (Constant) -115.263 77.665 -1.484 .157
Kompetensi .871 .929 .279 .938 .362 .563 1.776
Pegawai
Disiplin Kerja 1.596 1.331 .270 1.198 .248 .986 1.015
Kualitas Pelayanan .565 1.303 .130 .434 .670 .557 1.795
Kesehatan
a. Dependent Variable: Kepuasan Pasien
Berdasarkan uji multikolinieritas dengan program SPSS, diketahui bahwa nilai tingkat
kehadiran VIF: 1.795 < 10 atau nilai Tolerance: 0.557 > 0.01.

Kemudian untuk nilai dengan Kompetensi Pegawai nilai VIF: 1.776 < 10 atau nilai
Tolerance: 0.563 > 0.01.

Kemudian untuk nilai Disiplin Kerja dengan nilai VIF: 1.015 < 10 atau nilai Tolerance: 0.
986 > 0.01.

Kemudian untuk nilai Kualitas Pelayanan Kesehatan dengan nilai VIF: 1.795 < 10 atau
nilai Tolerance: 0.557 > 0.01.
 Sehingga dapat disimpulkan bahwa ketiga variabel menunjukan bahwa tidak terjadi
multikolinieritas. Artinya, persyaratan tidak ada multikolinieritas dalam model sudah
terpenuhi.

4.Uji Heteroskedasitas

Heteroskedastisitas yaitu keadaan dimana terjadinya ketidaksamaan varian dari error

untuk semua pengamatan setiap variabel bebas pada model regresi.

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi
ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain.
Dalam pengamatan ini untuk mendeteksi keberadaan heteroskedastisitas dapat
dilakukan dengan cara uji Harvey.

Pengujian heteroskedastisitas dapat dilakukan dengan menggunakan : Grafik

Scatterplot atau dari nilai prediksi variabel terikat yaitu SRESID dengan residual error
yaitu ZPRED.

Pada praktikum ini, uji Heteroskedastisitas dilakukan dengan bantuan program SPSS
dengan uji Glejser.

Kriteria pengujian uji Heteroskedastisitas: Jika nilai hasil signifikansi lebih besar dari 0,
05 , maka tidak terjadi Heteroskedastisitas. Sebaliknya, Jika nilai hasil signifikansi
lebih kecil dari 0,05 , maka terjadi Heteroskedastisitas.

Coefficientsa
Standardi
zed
Unstandardized Coefficien Collinearity
Coefficients ts Statistics
Std. Tolera
Model B Error Beta t Sig. nce VIF
1 (Constant) 32.212 40.468 .796 .438
Kompetensi -.156 .484 -.106 -.323 .751 .563 1.776
Pegawai
Disiplin Kerja -.328 .694 -.118 -.473 .642 .986 1.015
 Kualitas .182 .679 .089 .269 .792 .557 1.795
Pelayanan
Kesehatan
a. Dependent Variable: Abs_RES

Berdasarkan uji Heteroskedastisitas dengan program SPSS, diketahui bahwa nilai

signifikansi (Sig.) untuk variabel X1 adalah 0.751, nilai signifikansi (Sig.) varibael X2
adalah 0.642, dan nilai signifikansi (Sig.) varibael X3 adalah 0.792. karena nilai
signifikansi dari ke tiga variabel lebih besar dari 0.05 maka sesuai dengan dasar
pengambilan keputusan uji Glejser, dapat disimpulkan bahwa tidak terjadi gejala
Heteroskedastisitas.

5. Uji Autokorelasi (dengan Durbin-Watson)

Autokorelasi adalah sebuah teks yang di gunakan untuk mendeteksi terjadinya

autokorelasi pada nilai residual ( prediction errors ) dari sebuah nilai analisis regresi

Uji auto korelasi bertujuan untuk menguji apakah dalam regresi linier ada korelasi antar
kesalahan pengganggu (residual) pada periode t dengan kesalahan pada periode
t-1(sebelumnya)

Metode pengujian autokorelasi dapat di lakukan durbin-watson

Pada praktikum ini, uji autokorelasi dilakukan dengan bantuan program SPSS dengan uji
durbin-waston.

Kriteria pengujian uji autokorelasi : Jika nilai 0

Metode pengujian yang sering di gunakan dalam penelitian skripsi kuantitatif adalah
dengan uji durbin waston(uju DW) dengan ketentuan atau dasar pengambilan keputusan
sebagai berikut:

1.Jika d (durbin waston) lebih kecil dari Dlatau lebih besar dari (4-dl) maka hipotesis nol
di tolak, yang berarti terdapat autokorelasi.
2.jika d (durbin waston) terletak antara dudan (4 –du), maka hipotesis nol di terima, yang
berarti tidak ada korelasi

3.jika d (durbin watson)terletak antara dl dan du atau di antara ($-du) dan ($-dl), maka
tidak menghasilkan kesimpulan yang pasti

Model Summaryb
Adjusted R Std. Error of
Model R R Square Square the Estimate Durbin-Watson
1 .449a .202 .052 22.442 1.896
a. Predictors: (Constant), Kualitas Pelayanan Kesehatan, Disiplin Kerja,
Kompetensi Pegawai
b. Dependent Variable: Kepuasan Pasien

Berdasarkan hasil output SPSS diperoleh nilai DB= 1.896. kemudian, akan ditentukan nilain DB
tabel. Berikut tabel DB

Nilai durbin watson untuk n=20 dan variabel bebas sebanyak 3 dengan tabel Durbin
watson, diperoleh

DL=0.997 dan DU=1.676. Diketahui 4-du = 2.324 dan 4-dl=3.003.

Kesimpulanya jika dU= 1.676 < dari d=1.896 < dari 4-dU=2.324. maka hipotesis nol
diterima, artinya tidak terdapat autokorelasi.
 B. Interpretasi Persamaan Regresi

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -115.263 77.665 -1.484 .157
Kompetensi Pegawai .871 .929 .279 .938 .362
Disiplin Kerja 1.596 1.331 .270 1.198 .248
Kualitas Pelayanan Kesehatan .565 1.303 .130 .434 .670
a. Dependent Variable: Kepuasan Pasien

Berdasarkan output regresi linier dengan program SPSS diperoleh hasil sebagai berikut:

Persamaan Regresi: ̂ = -115.263 + 0.871 + 1.596 + 0,565

Nilai Koefisien Interpretasi

β0 = -115.263 Artinya, apabila Kompetensi Pegawai,Disiplin Kerja,dan

Kualitas Pelayanan Kesehatan sebesar 0, maka Kepuasan
Pasien akan sebesar -115.263

β1= 0.871 Artinya, dengan asumsi Disiplin Kerja dan Kualitas Pelayanan
Kesehatan bernilai tetap (tidak berubah-ubah) maka apabila
Kompetensi Pegawai ditambah 1 akan meningkatkan
Kepuasan Pasien sebesar 0.871

β2 = 1.596 Artinya, dengan asumsi Kompetensi Pegawai dan Kualitas

Pelayanan Kesehatan yang bernilai tetap maka apabila
Disiplin Kerja yang digunakan di naikan 1 maka akan
mengurangi Kepuasan Pasien sebesar 1.596.

β3 = 0.565 Artinya, dengan asumsi Kompetensi Pegawai dan Disiplin

Kerja yang benilai tetap maka apabila Kualitas Pelayanan
Kesehatan di naikan 1 satuan maka dapat mengurangi
Kepuasan Pasien sebesar 0.565
 Model Summaryb
Std. Error of the
Model R R Square Adjusted R Square Estimate
1 .449a .202 .052 22.442
a. Predictors: (Constant), Kualitas Pelayanan Kesehatan, Disiplin Kerja, Kompetensi Pegawai
b. Dependent Variable: Kepuasan Pasien

Koefisien Determinasi: 0.202 ( 20,2% ) artinya bahwa kemampuan variabel independen

dalam penelitian ini mempengaruhi variabel sebesar 20,2%, sedangkan sisanya sebesar
70,8% (1-0,202) di jelaskan oleh variabel lain selain variabel independen dalam penelitian.

Koefisien Korelasi: 0.44 artinya bahwa variabel independent dan variabel dependent
memiliki hubungan yang kuat dan searah. Dimana jika variabel independent tinggi maka
variabel dependent akan ikut tinggi pula.

Tabel Ringkasan Analisis Regresi Berganda

Variabel Koefisien Regresi thitung Sig

Constant -115.263

X1 0.871 0.938 0.362

X2 1.596 1.198 0.248

X3 0.565 0.434 0.670

Fhitung = 1.348 0.294

R Square = 0.202

C. Uji Spesifikasi Model (Uji F)

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 2036.735 3 678.912 1.348 .294b
Residual 8058.265 16 503.642
Total 10095.000 19
a. Dependent Variable: Kepuasan Pasien
b. Predictors: (Constant), Kualitas Pelayanan Kesehatan, Disiplin Kerja, Kompetensi Pegawai
 a) Menentukan Hipotesis

a) H0 : = 0; variabel X1, X2 dan X3 berpengaruh secara signifikan terhadap Y

b) H1 : 0; variabel X1, X2 dan X3 tidak berpengaruh secara signifikan terhadap Y

b) Menentukan tingkat signifikansi ( ) Tingkat signifikansi, yang sering digunakan

adalah = 5% ( = 0,05)

c) Menentukan daerah penolakan H0 (daerah kritis) Bentuk pengujian dua arah, sehingga
menggunakan uji-t dua arah : dengan p-value (signifikansi)

• Jika p-value>0,05 maka H0 akan diterima H1 ditolak.

• Jika p-value<0,05 maka H0 akan ditolak H1 diterima.

d) Menghitung nilai p-value dari program SPSS P-value(signifikansi) = 1.348

e) Kriteria Pengujian Karena nilai p-value= 1.348 lebih dari 0,05= , maka H0 di terima.

f) Kesimpulan hasil uji signifikansi. Variabel X1, X2 dan X3 berpengaruh signifikan nyata
terhadap Y

D.Uji parsial (uji T)

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -115.263 77.665 -1.484 .157
Kompetensi Pegawai .871 .929 .279 .938 .362
Disiplin Kerja 1.596 1.331 .270 1.198 .248
 Kualitas Pelayanan .565 1.303 .130 .434 .670
Kesehatan
a. Dependent Variable: Kepuasan Pasien

a.Menentukan Hipotesis
a. H1 : Variabel X1 memiliki pengaruh terhadap Y
b. H2 : Variabel X2 memiliki pengaruh terhadap Y
c. H3 : Variabel X3 memiliki pengaruh terhadap Y

b.Menentukan tingkat signifikansi ( α )

Tingkat signifikansi,α yang sering digunakan adalah α = 5% (α = 0.05)

c.Menentukan daerah penolakan H0 (daerah kritis) Bentuk pengujian dua arah, sehingga
menggunakan uji-t dua arah :
Dengan p-value (signifikansi)
a. Jika p-value<0,05 berarti H0 bernilai benar (sama untuk H1)
b. Jika p-value>0,05 maka H0 bernilai salah (sama untuk H1)

d.Menghitung nilai p-value dari program SPSS

P-value(signifikansi) = 0,157

e.Kriteria Pengujian
a. Jika nilai signifikansi (Sig). < probabilitas 0,05 maka ada pengaruh
variabel bebas (x) terhadap variabel terikat (y) atau hipotesisi di
terima
b. Jika nilai signifikansi (Sig). > probabilitas 0,05 maka tidak ada
pengaruh variabel bebas (x) terhadap variabel terikat (y) atau
hipotesis di tolak

6. Kesimpulan hasil uji signifikansi.

a. Karena nilai p-value (signifikansi) untuk X1= 0.362 lebih besar dari 0,05= α, maka
X1 tidak ada pengaruh terhadap Y

b. Karena nilai p-value (signifikansi) untuk X2= 0.248 lebih besar dari 0,05= α, maka
X2 tidak ada pengaruh terhadap Y

c. Karena nilai p-value (signifikansi) untuk X3= 0.670 lebih besar dari 0,05= α, maka
kualitas pelayanan kesehatan tidak ada pengaruh terhadap kepuasan pasien.