Anda di halaman 1dari 34

Kelompok 2 :

1. NOVALDO KHAIRUL AKBAR NPM. 1710128425007


2. OKI FITRIONO NPM. 17101284250
3. FERDIANSYAH NPM. 17101284250

ANALISA TINGKAT
KEPUASAN PELANGGAN
TERHADAP KINERJA
KARYAWAN DI USAHA OKI
LAUNDRY
Oki Laundry merupakan
salah satu Usaha Mikro Kelas
Menengah (UMKM) yang
berlokasi di Jl. Tg. Buntung-
Bengkong Laut, Kota Batam.
Didirikan pada tanggal 20 Juli
2015 oleh Oki Fitriono.
Pelanggan Mengisi
Kuisioner

Uji Validitas
Uji Reliabilitas
Tingkat Pendidikan
Responden
Jenis Service

14

12

Cuci Komplit Setrika


Cuci Tanpa Setrika
Pengolahan Data
4.4.1 Uji Statistik Deskriptive
Statitik desktiptif adalah statistic yang berfungsi untuk mendiskripsikan
atau memberi gambaran terhadap objek yang diteliti melaui data sampel atau
populasi sebagaimana adanya, tanpa melakukan analisis atau membuat
kesimpulan yang berlaku untuk umum.

Pada table output SPSS


disamping dapat kita lihat
jumlah sampel dalam
penelitian ini sebanyak 30
responden
4.4.2 Uji Instrument
Kegiatan pengumpulan data dilakukan dengan teknik tertentu dan
menggunakan alat tertentu yang sering disebut instrumen penelitian.

Informasi yang dapat


Data Dianalisis menjelaskan suatu
fenomena atau keterkaitan
antara fenomena

Pada penelitian ini penulis menggunakan kuesioner sebagai skala pengukuran


variabel penelitian. Kriteria kuesioner yang baik salah satunya memenuhi
validitas dan reliabilitas.
A. Uji Validitas Validitas mengacu pada kemampuan instrument pengumpulan data
untuk mengukur apa yang harus diukur, untuk mendapatkan data
yang relevan dengan apa yang sedang diukur (Dempsey dan
Dempsey, 2002 : 79)
Membandingkan nilai Sig.(2-tailed) dengan probabilitas
0,05
 Jika nilai Sig. (2-tailed) < 0,05 dan pearson correlation
Membandingkan Nilai Rhitung dengan Rtabel
bernilai positif, maka item soal angket tersebut
 Jika nilai Rhitung > Rtabel, maka item soal
dinyatakan valid.
angket tersebut dinyatakan valid.
 Jika nilai Sig. (2-tailed) < 0,05 dan pearson correlation
 Jika nilai Rhitung < Rtabel, maka item soal
bernilai negatif, maka item soal angket tersebut
angket tersebut dinyatakan tidak valid.
dinyatakan tidak valid.
 Jika nilai Sig. (2-tailed) > 0,05 maka item soal angket
tersebut dinyatakan Tidak valid.
Pengambilan keputusan Berdasarkan nilai Rhitung dengan nilai Rtabel.
Setelah diketahui nilai rtabel untuk N=30
dengan Signifikansi 5% pada table
distribusi nilai rtabel 5% sebesar 0.361.

Maka, selanjutnya kita dapat


membandingkan nilai rhitung dengan
nilai rhitung pada variable X dan Variable
Y yang telah diperoleh dari output
SPSS Viewer table Correlation
Tabel 4.2 Hasil Analisis r hitung dengan r table variable X/kinerja karyawan

VARIABEL rhitung Kode rtabel Keterangan Variabel rhitung Kode rtabel Keterangan

Xa1 0.455* > 0,361 Valid


Ya1 0.525** > 0,361 Valid
Xa2 0.437* > 0,361 Valid
Xa3 0.344 < 0,361 Tidak Valid Ya2 0.583** > 0,361 Valid
Xa4 0.457* > 0,361 Valid
Ya3 0.259 < 0,361 Tidak Valid
Xa5 0.419* > 0,361 Valid
Xb1 0.288 < 0,361 Tidak Valid Ya4 0.606** > 0,361 Valid

Xb2 0.556** > 0,361 Valid


Ya5 0.567** > 0,361 Valid
XB3 0.419* > 0,361 Valid
Xc1 0.493** > 0,361 Valid Ya6 0.220 > 0,361 Valid

Xc2 0.388* > 0,361 Valid Yb1 0.461* > 0,361 Valid
Xd1 0.536** > 0,361 Valid
Yc1 0.677** > 0,361 Valid
Xe1 0.466** > 0,361 Valid
Xf1 0.640** > 0,361 Valid Yc2 0.331 < 0,361 Tidak Valid
Xg1 0.530** > 0,361 Valid
Yd1 0.584** > 0,361 Valid
Xg2 0.546** > 0,361 Valid
Xg3 0.558** > 0,361 Valid Yd2 0.000 < 0,361 Tidak Valid
Xg4 0.507** > 0,361 Valid
Y 1 > 0,361 Valid
Xg4 0.456* > 0,361 Valid
Xg5 0.513** > 0,361 Valid
Xh1 0.263 < 0,361 Tidak Valid
Xh2 0.333 < 0,361 Tidak Valid Tabel 4.3 Hasil Analisis r hitung dengan r
Xh3 0.379* > 0,361 Valid table variable Y/kepuasan pelanggan
Xh4 0.474** > 0,361 Valid
X 1 > 0,361 Valid
Tabel 4.4 Hasil Analisis Signifikansi dengan Probability variable X Tabel 4.4 Hasil Analisis Signifikansi dengan Probability variable Y
Variabel Sig.(2tailed) Kode Probability Keterangan Variabel Sig.(2tailed) Kode Keterangan
Probability
Xa1 0.012 < 0,05 Valid
Xa2 0.016 < 0,05 Valid Ya1 0.003 < 0,05 Valid
Xa3 0.063 > 0,05 Tidak Valid Ya2 0.001 < 0,05 Valid
Xa4 0.011 < 0,05 Valid Ya3 0.167 > 0,05 Tidak Valid
Xa5 0.021 < 0,05 Valid Ya4 0.000 < 0,05 Valid
Xb1 0.123 > 0,05 Tidak Valid
Ya5 0.001 < 0,05 Valid
Xb2 0.001 < 0,05 Valid
Ya6 0.243 > 0,05 Valid
XB3 0.021 < 0,05 Valid
Yb1 0.010 < 0,05 Valid
Xc1 0.006 < 0,05 Valid
Yc1 0.000 < 0,05 Valid
Xc2 0.034 < 0,05 Valid
Yc2 0.074 > 0,05 Tidak Valid
Xd1 0.002 < 0,05 Valid
Yd1 0.001 < 0,05 Valid
Xe1 0.009 < 0,05 Valid
Xf1 0.000 < 0,05 Valid Yd2 1.000 > 0,05 Tidak Valid

Xg1 0.003 < 0,05 Valid Y - < 0,05 Valid

Xg2 0.002 < 0,05 Valid


Xg3 0.001 < 0,05 Valid
Xg4 0.004 < 0,05 Valid
Xg4 0.011 < 0,05 Valid
Xg5 0.004 < 0,05 Valid
Xh1 0.161 > 0,05 Valid
Xh2 0.073 > 0,05 Tidak Valid
Xh3 0.039 < 0,05 Tidak Valid
Xh4 0.008 < 0,05 Valid
X 0.000 < 0,05 Valid
B. Uji Reliabilitas Menurut Sugiono (2005), reliabilitas adalah serangkaian
pengukuran atau serangkaian alat ukur yang memiliki
konsistensi bila pengukuran yang dilakukan dengan alat
ukur itu dilakukan secara berulang.

Adapun dasar pengambilan keputusan dalam uji reliabilitas adalah sebagai berikut:
1. Jika nilai cronbach alpha > 0,60 maka kuisioner atau angket dinyatakan reliable atau
konsisten.
2. Jika nilai cronbach alpha < 0,60 maka kuisioner atau angket dinyatakan tidak reliable atau
tidak konsisten.
1. Uji reliabilitas variable X / Kepuasan pelanggan
Berikut ini adalah hasil reliability Statistics pada output SPSS viewer.
Tabel 4.6 Hasil Output SPSS Reability Statistics Variabel X

Reliability Statistics Pada tabel reability statistics


disamping jika kita perhatikan
Cronbach's Cronbach’ Alpha bernilai 0,826 > 0,6.
Alpha N of Items Demikian dapat disimpulkan kuisioner
atau angket dinyatakan reliable atau
konsisten.
.826 23
Berikut ini adalah hasil item-total Statistics pada output SPSS viewer.
Tabel 4.7 Hasil Output SPSS Item-Total Statistics Variabel X
Item-Total Statistics

Scale Mean if Item Scale Variance if Corrected Item- Cronbach's Alpha if


Deleted Item Deleted Total Correlation Item Deleted
Xa1 76.90 80.162 .390 .819
Xa2 77.03 79.551 .359 .820
Xa3
Xa4
76.80
77.13
81.890
78.395
.279
.368
.823
.820
Pada tabel item-total Statistics
Xa5
Xb1
77.00
77.07
80.138
81.857
.344
.201
.821
.827
disamping jika kita perhatikan pada
Xb2
Xb3
77.33
77.07
76.092
79.789
.472
.339
.815
.821
kolom Cronbach’ Alpha if item
Xc1 77.53 76.947 .396 .819 deleted seluruh variable bernilai > 0,6.
Xc2 77.03 81.068 .320 .822
Xd1 77.60 76.248 .447 .816 Demikian dapat disimpulkan seluruh
Xe1 77.10 79.610 .397 .819
Xf1 77.43 75.013 .571 .810 item pada variable X/ kepuasan
Xf2 77.13 77.982 .458 .816
Xg1 77.40 76.386 .461 .815 perlanggan dinyatakan reliable atau
Xg2
Xg3
77.33
77.10
76.644
78.369
.479
.434
.814
.817
konsisten.
Xg4 77.13 79.430 .382 .819
Xg5 77.13 78.257 .439 .817
Xh1 77.60 81.628 .152 .831
Xh2 77.03 82.033 .267 .823
Xh3 77.33 80.023 .288 .823
Xh4 77.17 79.454 .405 .818
2. Uji reliabilitas variable Y / Kinerja karyawan.
Berikut ini adalah hasil reliability Statistics pada output SPSS viewer.
Tabel 4.8 Hasil Output SPSS Reability Statistics Variabel Y

Reliability Statistics
Pada tabel reability statistics
disamping jika kita perhatikan
Cronbach's N of Items
Cronbach’ Alpha bernilai 0,615 >
Alpha 0,6. Demikian dapat disimpulkan
kuisioner atau angket dinyatakan
.615 11
reliable atau konsisten.
Berikut ini adalah hasil item-total Statistics pada output SPSS viewer.
Tabel 4.7 Hasil Output SPSS Item-Total Statistics Variabel Y
Item-Total Statistics
Scale Cronbach's Pada tabel item-total Statistics disamping
Scale Mean Variance if Corrected Alpha if
if Item Item Item-Total Item jika kita perhatikan pada kolom Cronbach’
Deleted Deleted Correlation Deleted
Ya1 34.93 15.781 .389 .577 Alpha if item deleted, variable Ya3, Ya6
Ya2 35.28 14.135 .367 .570
Yb1, Yc2, Yd2 > 0,6. Demikian dapat
Ya3 35.17 17.148 .075 .628
Ya4 35.34 13.805 .397 .561
disimpulkan item tersebut dinyatakan
Ya5 35.17 14.791 .455 .557 reliable atau konsisten.
Ya6 35.21 17.456 .055 .628
Yb1 35.21 14.956 .196 .621
Sedangkan pada variable Ya1, Ya2 Ya4,
Yc1 34.93 14.138 .623 .526
Yc2 35.10 16.596 .227 .602
Ya5, Yc1, dan Yd1 < 0,6. Demikian dapat
Yd1 35.55 14.185 .377 .567 disimpulkan item tersebut dinyatakan tidak
Yd2 35.00 18.357 -.110 .649 reliable atau tidak konsisten.
4.4.4 Uji Asumsi Klasik

Tujuan pengujian asumsi klasik ini adalah untuk memberikan kepastian bahwa
persamaan regresi yang didapatkan memiliki ketepatan dalam estimasi, tidak bias dan
konsisten.
Uji Multikolinearitas
Untuk mengetahui ada atau tidaknya
penyimpangan asumsi klasik
multikolinearitas yaitu adanya
hubungan linear antar variabel
independen dalam model regresi.
Uji Normalitas Uji Heteroskedastisitas
Untuk menguji apakah data yang Uji yang menilai apakah ada
digunakan dalam penelitian ketidaksamaan varian dari residual
berdistribusi normal atau tidak untuk semua pengamatan pada
model regresi linear.

Uji Asumsi
Klasik
 Dasar Pengambilan Keputusan
1. Jika nilai Signifikansi (Sig) > 0,05 maka data penelitian berdistribusi
Uji Normalitas normal
2. Jika nilai Signifikansi (Sig) < 0,05 maka data penelitian tidak
berdistribusi
One-Sample Kolmogorov-Smirnov Test
Unstandardized
 Interpretasi Uji Normalitas Kolmogorov-Smirnov Pada
Residual
SPSS N 30
Berdasarkan table output One-Sample Kolmogorov- Normal Parametersa,b Mean .0000000
Std. Deviation 4.19630605
Smirnov Test diketahi bahwa nilai signifikansi Asymp. Sig
Most Extreme Differences Absolute .127
(2-tailed) sebesar 0,200 lebih besar dari 0,05 . maka sesuai
Positive .091
dengan dasar pengambilan keputusan diatas dalam uji Negative -.127

Kolmogorov-Smirnov, dapat disimpulkan bahwa data Test Statistic .127


Asymp. Sig. (2-tailed) .200c,d
berdistribusi normal. Dengan demikian asumsi atau
a. Test distribution is Normal.
persyaratan normalitas dalam model regresi terpenuhi. b. Calculated from data.
c. Lilliefors Significance Correction.
Tabel 4.10 Hasil Output SPSS One-Sample KS
d. This is a lower bound of the true significance.
Dasar Pengambilan Keputusan Dalam Uji Multikolinearitas (Tolerance dan VIF)
 Pedoman keputusan berdasarkan nilai tolerance
1. Jika nilai tolerance lebih besar dari 0,10 maka artinya tidak terjadi multikolinieritas
dalam model regresi
2. Jika nilai tolerance lebih kecil dari 0,10 maka artinya terjadi multikolinieritas dalam
Uji Multikolinearitas model regresi
 Pedoman keputusan berdasarkan nilai Variance Inflation Factor (VIF)
1. Jika nilai VIF < 10,00 maka artinya tidak terjadi multikolinieritas dalam model
regresi
2. Jika nilai VIF > 10,00 maka artinya terjadi multikolinieritas dalam model regresi
Coefficientsa
 Interpretasi Output Uji Multikolinearitas
Tolerance Dan VIF Unstandardized Standardized Collinearity
Coefficients Coefficients Statistics
Berdasarkan table Collinearity Statistics Model
diketahui nilai tolerance pada variable X adalah
(1,000) > 0,10. Sementara nilai VIF pada Std. E
variable X adalah (1,000) < 10,00. B rror Beta t Sig. Tolerance VIF
1 (Constant) 18.795 5.849 3.213 .003

Maka mengacu pada dasar pengambilan


keputusan dalam uji multikolinieritas dapat XSum .096 .097 .184 .988 .332 1.000 1.000

disimpulkan bahwa tidak terjadi gejala a. Dependent Variable: Ysum

multikolineritas dalam model regresi.


Tabel 4.11 Hasil Output SPSS Uji Multiolinearitas
Uji Heteroskedastisitas
Menilai apakah ada ketidaksamaan varian
dari residual untuk semua pengamatan pada
model regresi linear

Dengan Metode Uji Glejser Dengan Gambar Scatterplots Pada SPSS


Meregresikan variable independent terhadap Selanjutnya peneliti akan melakukan uji
nilai absolute residual atau Abs_RES dengan heteroskedastisitas dengan melihat pola gambar
rumus persamaan regresinya adalah: scatterplots hasil dari output SPSS. Adapun pedoman
[Ut] = a + bXt + vt. yang digunakan untuk memprediksi ada tidaknya
gejala heteroskedastisitas tersebut dilakukan dengan
cara melihat gambar scatterplot.

 Tidak Terjadi Gejala Atau Heteroskedastisitas Jika:


1. Titik-titik data penyebar diatas atau dibawah atau disekitar angka nol.
2. Titik-titik tidak mengumpul hanya diatas atau dibawah saja.
3. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar
kembali.
4. Penyebaran titil-titik data tidak berpola
Adapun dasar dalam pengambilan keputusan atau kesimpulan atas hasil
analisis yang telah dilakukan dalam uji heterroskedastisitas dengan
menggunakan uji glejser adalah sebagai berikut:
Dasar Pengambilan Keputusan Dalam 1. Jika nilai Signifikansi (Sig) > 0,05 maka dapat disimpulkan tidak
Uji Heteroskedastisitas (Uji Glejser) terjadi gejala heteroskedastisitas dalam model regresi.
2. Jika nilai Signifikansi (Sig) < 0,05 maka dapat disimpulkan terjadi
gejala heteroskedastisitas dalam model regresi.

Coefficientsa
Interpretasi Output Uji Heteroskedastisitas (Glejser) dengan SPSS
Unstandardized
Model Coefficients Standardized
Coefficients
Berdasarkan output disamping diketahui nilai
signifikansi (Sig.) untuk variable X (kepuasan B Std. Error Beta t Sig.
1 (Constant) 2.707 3.204 .845 .405
pelanggan) adalah 0,907 > 0,05
Maka sesuia dengan dasar keputusan diatas, dapat XSum .006 .053 .022 .118 .907
disimpulkan bahwa tidak terjadi gejala
a. Dependent Variable: Abs_RES
Heteroskedastisitas dalam model regresi.
Tabel 4.12 Coefficients Uji Heteroskedastisitas
Uji Heteroskedastisitas
Dengan Gambar Scatterplots Pada SPSS

Berdasarkan output Scatterplot disamping diketahui bahwa:


1. Titik-titik data penyebar diatas atau dibawah atau disekitar
angka nol.
2. Titik-titik tidak mengumpul hanya diatas atau dibawah
saja.
3. Penyebaran titik-titik data tidak boleh membentuk pola
bergelombang melebar kemudian menyempit dan melebar
kembali.
4. Penyebaran titil-titik data tidak berpola.

Dengan demikian dapat disimpulkan bahwa tidak terjadi


maslah heteroskedastisitas, hingga model regresi telah layak
Grafik 4.7 Scatterplot
digunakan.
4.4.5 Analisis Korelasi Dan Regresi

Analisis Korelasi Analisis Regresi

Menyatakan derajat Digunakan dalam peramalan


keeratan hubungan antar variable dependen
variable berdasarkan variable-variabel
independennya
A. Analisis Korelasi Bivariate Pearson Dengan SPSS

Terdapat tiga cara yang dapat digunakan sebagai pedoman atau dasar pengambilan keputusan dalam analisis korelasi
bivariate pearson

Berdasarkan Nilai Signifikansi Sig.(2-tailed).


Berdasarkan Nilai r hitung (Pearson Corelation)
 Jika nilai Sig.(2-tailed) < 0,05 maka terdapat
 Jika nilai r hitung > r tabel maka terdapat korelasi
korelasi antar variable yang dihubungkan.
antar variable yang dihubungkan.
 Jika nilai Sig.(2-tailed) > 0,05 maka tidak terdapat
 Jika nilai r hitung < r tabel maka tidak terdapat
korelasi antar variable yang dihubungkan.
korelasi antar variable yang dihubungkan

Berdasarkan Tanda Bintang (*) Pada Output SPSS.


Jika terdapat tanda bintang (*) atau (**) pada nilai Pearson Corelation maka antar variable yang
dianalisis terjadi korelasi. Sebaliknya jika tidak terdapat tanda bintang pada nilai Pearson Correlation maka
tidak terjadi korelasi pada variable yang dianalisis.
Interpretasi Analisis Korelasi
Berdasarkan Nilai Signifikansi Sig.(2-tailed).
Bivariate Pearson Dari table output disamping diketahui nilai Sig.(2-tailed) antara
Correlations
variable X dan Variabel Y adalah sebesar 0,022 < 0,05. Maka
X Y dapat diambil kesimpulan terdapat korelasi yang signifikan antara
XSum Pearson 1 .584*
Correlation variable X dan variable Y
Sig. (2-tailed) .023
N 30 30
YSum Pearson .584* 1 Berdasarkan Nilai r hitung (Pearson Corelation)
Correlation
Sig. (2-tailed) .023 Dari table output disamping diketahui antara variable X dan

N 30 30 Variabel Y memiliki nilai r hitung adalah sebesar (0,584) > (0,361)


nilai r table. Maka dapat diambil kesimpulan terdapat korelasi
Tabel 4.13 Correlation Hasil analisis Korelasi Bivariate antara variable X dan variable Y. Karena r hitung atau Pearson
Correlation dalam analisis ini bernilai positif itu artinya hubungan
antara kedua variable tersebut bersifat positif.
Berdasarkan Tanda Bintang (*) Pada Output SPSS.
Dari table output diatas ditemukan tanda bintang (*). Dengan demikian dapat disimpulkan analisis ini
memiliki hubungan yang signifikan sebesar 0,05.
B. Analisis Regresi Linear Sederhana

Analisis regresi linear sederhana atau dalam bahasa inggrisnya disebut Simple Linear Regression digunakan untuk
mengukur besarnya pengaruh satu variable dependent dan satu variable independent

Syarat kelayakan harus terlebih dahulu terpenuhi saat Menggunakan


Regresi Linear Sederhana. Adapun syarat yang harus terpenuhi sebagai
berikut:
1. Jumlah sampel yang digunakan harus sama
2. Nilai residual harus berdistribusi normal.
3. Terdapat hubungan yang linear antara variable bebas (X) dan
variable tergantung (Y).
4. Tidak terjadi gejala heteroskedastisitas.
5. Tidak terjadi gejala Auto korelasi.
 Membuat Persamaan Regresi Linear Sederhana Secara umum rumus persamaan regresi linear sederhana
adalah Y = a + bX. Sementara untuk mengetahui nilai
Tabel 4.14 Hasil Uji Regresi Pada Tabel Coefficients
koofisien regresi tersebut kita dapat berpedoman pada
Coefficientsa
output yang berada pada table Coefficient berikut.

Model Unstandardized Standardized


Coefficients Coefficients Sehingga dari perhitungan disamping didapatkanlah
t Sig.
Persamaan regresinya sebagai berikut:
B Std. Error Beta
(Constant) 70.065 16.010 14.3 .000 Y’ = a + bX
1 76
X .274 .410 .812 4.66 .011 Y’ = 70,065 + 0,274X
8
a. Dependent Variable: Y

Maka, dengan demikian dapat dikatakan bahwa kinerja karyawan (Variabel X) berpengaruh positif
terhadap Kepuasan Pelanggan (Variabel Y). Sehingga Persamaan Regresinya adalah. Y = 70,065 +
0,274X
 Uji Hipotesis Dalam Analisis Regresi Linear Sederhana

Uji Hipotesis atau uji pengaruh berfungsi untuk mengetahui apakah koofisien regresi tersebut
signifikan atau tidak. Adapun hipotesis yang diajukan dalam analisis regresi linear sederhana ini
adalah:

 Ho = Tidak ada pengaruh Kinerja karyawan (Variable X) terhadap Kepuasan pelanggan


(Variable Y) di Oki Laundry
 Ha = Terdapat pengaruh Kinerja karyawan (Variable X) terhadap Kepuasan pelanggan
(Variable Y) di Oki Laundry

Sementara itu untuk memastikan apakah koofisien regresi tersebut signifikan atau tidak (dalam arti
variable X berpengaruh terhadap variable Y) kita dapat melakukan uji hipotesis ini dengan cara
membandingkan nilai Sig. dengan probabilitas 0,05 atau dengan cara lain yakni dengan
membandingkan nilai t hitung dengan t table.
Uji Hipotesis Membandingkan Nilai Sig. Adapun yang menjadi dasar pengambilan keputusan dalam analisis regresi
dengan Probabilitas (0,05)
dengan melihat nilai Signifikansi pada table Output SPSS.
 Jika nilai signifikansi (Sig.) < Nilai probabilitas (0.05) maka dapat
ditarik kesimpulan terdapat pengaruh Kinerja karyawan (Variable X)
Tabel 4.15 Hasil Uji Regresi Pada
terhadap kepuasan pelanggan (Variable Y) di Oki Laundry. Sebaliknya,
Tabel Coefficients
 Jika nilai signifikansi (Sig.) > Nilai probabilitas (0.05) maka dapat
Coefficientsa
Model Unstandardized ditarik kesimpulan Tidak terdapat pengaruh Kinerja karyawan (Variable
Coefficients Standardized
Coefficients t X) terhadap Kepuasan pelanggan (Variable Y) di Oki Laundry.
B Std. Error Beta Sig.
(Constant) 70.065 16.010 14. .000
1 376
X .274 .410 .812 4.6 .011
68
a. Dependent Variable: Y

Berdasarkan table diatas diketahui nilai signifikansi (Sig.) sebesar 0,011 < 0,05. Sehingga dapat disimpulkan Ho ditolak dan
Ha diterima. Yang berarti bahwa terdapat pengaruh Kinerja karyawan (Variable X) terhadap Kepuasan pelanggan (Variable
Y) di Oki Laundry.
Uji Hipotesis Membandingkan Nilai T Hitung
Berdasarkan table disamping diketahui nilai t hitung sebesar
dengan T Tabel. 4,668. karena nilai t hitung sudah ditemukan maka langkah
Tabel 4.16 Hasil Uji Regresi Pada Tabel selanjutnya mencari nlai t table. Adapun rumus dalam mencari
Coefficients niali t table seperti berikut:
Coefficientsa
Unstandardized
Model Coefficients Standardized
Coefficients Menentukan Derajat Kebebasan (db)
Std. t Sig.
B Error Beta 0,05
Diketahui: α = 0,05 = = 0,025
(Constant) 70.065 16.010 14.376 .000 2
1 X .274 .410 .812 4.668 .011 Jika df = n – 2 = 30 – 2 = 28
a. Dependent Variable: Y

α 0,05
Maka, db = t ( ; n−2) = t ( ; 28) = t (0,025 ; 28) = 2,04841 (Berdasarkan Tabel t)
2 2
Karena nilai t hitung sebesar (4,668) > dari t table sebesar (2,04841) Sehingga dapat disimpulkan Ho ditolak dan
Ha diterima. Yang berarti bahwa terdapat pengaruh Kinerja karyawan (Variable X) terhadap Kepuasan pelanggan
(Variable Y) di Oki Laundry.
Analisis Tingkat Kepuasan Responden Terhadap Kinerja karyawan di Oki Laundry
Tabel 4.18 Tingkat kepuasan pelanggan di Oki Laundry
Tingkat Kepuasan Pelanggan Terhadap Kinerja Karyawan

No. Sangat Puas Cukup Puas Tidak Puas Sangat Tidak Puas
1. 25. Fitri 15. Fitra 3. Ridwan 28. Eko

2. 23. Eza 14. Adicom 21. Feby 18. Mimi

3. 13. Anggi 30. Aldi 4. Asa 20. Rudi

4. 1. Erik 16. Niko 5. Rio 22. yeyen

5. 24. Netri 26. Irwan 12. Mila 19. Azam

6. 11. Mono 2. Rita - 29. Sukma

7. - 6. Pak in - -

8. - 9. Agung - -

9. - 10. Egi - -

10. - 17. Yuli - -

11. - 7. Tika - -

12. - 2. Rita - -

Grafik 4.8 Scatterplot Responden Oki Laundry 13. - 8. Ainun - -


Dari hasil Tabel di atas dapat disimpulkan, maka
tingkat pelayanan dan kinerja dari karyawan Oki
laundry masih ada beberapa responden yang masih
mengalami tidak mendapatkan pelayanan dengan baik.
Maka perlu adanya evaluasi perbaikan setelah
penelitian ini.

Berikut ini jumlah dari masing-masing tingkatan dari masing-masing kepuasan dari
pengamatan :
1. Ada yang menyatakan Sangat Puas terdapat 6 responden.
2. Beberapa responden yang menyatakan Cukup Puas terdapat 13 responden.
3. Beberapa responden menyatakan Tidak Puas terdapat 5 responden.
4. Beberapa responden menyatakan Sangat Tidak Puas ada 6 responden.
TERIMA
KASIH

Anda mungkin juga menyukai