4. analisa dan pembahasan. 4.1. pendahuluan. · 4. analisa dan pembahasan. 4.1. pendahuluan. pilot...

47 Universitas Kristen Petra

4. ANALISA DAN PEMBAHASAN.

4.1. Pendahuluan.

Pilot Study dilakukan selama kurang lebih 1 (satu) minggu pada periode

november 2007 dengan melakukan wawancara pada pihak-pihak yang

bertanggung jawab terhadap proyek, diantaranya adalah kontraktor, pengembang,

dan pemakai akhir di wilayah Malang dan Surabaya, juga dilakukan penyebaran

pada responden dalam jumlah kecil (kurang lebih sepuluh responden).

Penyebaran kuesioner dilakukan selama kurang lebih 2 (dua) bulan pada

periode november 2007 sampai dengan januari 2008, responden yang mengisi

kuesioner sebanyak 53 responden.

Kendala yang dihadapi peneliti adalah kendala waktu penyebaran yang hanya

bisa dilakukan pada jam istirahat, kendala cuaca (hujan), serta wilayah penelitian

di dua tempat, yaitu Malang dan Surabaya. Peneliti menyebarkan kuesioner

dengan membimbing setiap responden dalam menjawab pernyataan demi

pernyataan yang terdapat dalam kuesioner.

4.2. Gambaran Umum Proyek.

Proyek yang diteliti adalah proyek rangka atap baja ringan J-STEEL di

wilayah Malang, dan Surabaya. Proyek rangka atap baja ringan J-STEEL yang

diteliti adalah proyek rumah tinggal di wilayah Malang, dan Surabaya.

Penyebaran kuesioner dilakukan (diberikan) pada saat yang berwenang dalam

proyek tersebut telah menandatangani kontrak kerja dengan distributor J-STEEL

pada tahun 2007 di wilayah Malang, dan Surabaya untuk memasang rangka atap

baja ringan di proyeknya masing-masing, dan setiap proyek diberikan 1 (satu)

lembar kuesioner.

http://www.petra.ac.id/

http://dewey.petra.ac.id/dgt_directory.php?display=classification

http://digilib.petra.ac.id/help.html

Universitas Kristen Petra

48

4.3. Gambaran Umum Responden.

Responden yang mengisi kuesioner sebanyak 53 responden yang berjenis

kelamin laki-laki (79%) dan perempuan (21%), selengkapnya dapat dilihat pada

Gambar 4.1.

Laki-laki79%

Perempuan21%

Gambar 4.1. Persentase Jenis Kelamin.

Usia responden berkisar antara 20-25 tahun (0 %), 26-30 tahun (6 %), 31-35

tahun (25 %), 36-40 tahun (39 %), 41-45 tahun (28 %), dan > 45 tahun (2 %),

selengkapnya dapat dilihat pada Gambar 4.2.

31-35 th25%

36-40 th39%

41-45 th28%

>45 th2%

20-25th0%

26-30 th6%

Gambar 4.2. Persentase Usia.


49

Pendidikan terakhir responden berkisar antara SD (0 %), SLTP (0 %), SLTA

(6 %), D-3 (6 %), S-1 (77 %), dan S2 - S3 (11 %), sehingga sebagian besar

responden mengikuti pendidikan sampai dengan jenjang S-1 (strata satu),

selengkapnya dapat dilihat pada Gambar 4.3.

S-177%

SLTA6%

D-36%

SD0%

SLTP0%

S2 / S-311%

Gambar 4.3. Persentase Pendidikan Terakhir.

Jabatan responden yang mengisi kuesioner adalah konsultan (0 %), manajer

(11 %), direktur (2 %), pemilik (78 %), dan lainnya (9 %), selengkapnya dapat

dilihat pada Gambar 4.4.

Pemilik78%

Lainnya9%

Konsultan0%

Manajer11% Direktur

2%

Gambar 4.4. Persentase Jabatan.


50

Kota lokasi proyek LSF dalam penelitian ini adalah Surabaya (49 %), dan

Malang (51 %), selengkapnya dapat dilihat pada Gambar 4.5.

Surabaya49%

Malang51%

Gambar 4.5. Persentase Kota Lokasi Proyek LSF.

Responden mengunakan LSF selama 1-2 tahun (43 %), 3-4 tahun (34 %), dan

> 5 tahun (23 %), (selengkapnya dapat dilihat pada Gambar 4.6.) responden

sebagian besar mengunakan LSF selama 1-2 tahun.

3 - 4 tahun34%

> 5 tahun23%

1 - 2 tahun43%

Gambar 4.6. Persentase Responden Menggunakan LSF.


51

Data jumlah responden untuk setiap jenis bidang konstruksi pada setiap

wilayah dapat dilihat pada Tabel 4.1., dan Gambar 4.7. Responden yang mengisi

kuesioner pada setiap wilayah adalah kontraktor, pengembang, dan pemakai akhir.

Tabel 4.1. Jumlah Responden Pada Setiap Wilayah.

RespondenWilayah

Surabaya 6 4 16 26Malang 9 7 11 27

Total 15 11 27 53

Kontraktor Pengembang Pemakai Akhir Total

0% 20% 40% 60% 80% 100%

Surabaya

Malang

Kontraktor Pengembang Pemakai Akhir

Gambar 4.7. Persentase Jumlah Responden Pada Setiap Wilayah.

4.4. Uji Measurement Model.

4.4.1. Uji Measurement Model Awal.

Uji measurement model dengan menggunakan program Amos 7, proses

permodelan dalam penelitian untuk menyelidiki unidimensionalitas dari indikator-

indikator yang menjelaskan sebuah variabel laten.

Peneliti mencoba-coba berbagai model agar hasil uji hipotesis (chi-square,

df, probability, cmin/df, gfi, tli, cfi, dan rmsea) mendapatkan nilai yang lebih baik,

dengan syarat sebagai berikut ini.


52

Tabel 4.2. Goodness of Fit Index.

Goodness of fit index Cut-off value

χ2 - Chi-Square < χ2 tabelDerajat bebas, DFx2 - Significance Probability ≥ 0,05Relatif x2 (CMIN/DF) ≤ 2GFI mendekati 1TLI mendekati 1CFI mendekati 1RMSEA ≤ 0,08

(Sumber : Ferdinand, 2000 : p.52-59).

Indikasi permodelan tersebut dapat diterima dalam program Amos 7, dengan

menyalanya indikasi . Adapun hasil analisanya adalah sebagai berikut ini.

Gambar 4.8. Uji Measurement Model Kualitas Awal.

Uji Goodness-of-fit terhadap model pada Gambar 4.8., menunjukkan indeks-

indeks sebagai berikut ini (Tabel 4.3.).


53

Tabel 4.3. Hasil Goodness of Fit Index Kualitas Awal.

Goodness of fit index Cut-off value Hasil Model Keterangan

χ2 - Chi-Square < χ2 tabel 85.249 diharapkan nilainya kecilDerajat bebas, DF 35x2 - Significance Probability ≥ 0,05 0 tidak baikRelatif x2 (CMIN/DF) ≤ 2 2.436 tidak baikGFI mendekati 1 0.781 cukup baikTLI mendekati 1 0.28 tidak baikCFI mendekati 1 0.44 tidak baikRMSEA ≤ 0,08 0.165 tidak baik

Uji measurement model kualitas Awal pada Tabel 4.3., menunjukkan bahwa

model tersebut dapat diterima dengan indikasi , tetapi tidak signifikan

karena nilai probability = 0.

Gambar 4.9. Uji Measurement Model Waktu Awal.

Uji Goodness-of-fit terhadap model pada Gambar 4.9., menunjukkan indeks-

indeks sebagai berikut ini (Tabel 4.4.).


54

Tabel 4.4. Tabel Hasil Goodness of Fit Index Waktu Awal.


χ2 - Chi-Square < χ2 tabel 35.284 diharapkan nilainya kecilDerajat bebas, DF 35x2 - Significance Probability ≥ 0,05 0.455 baikRelatif x2 (CMIN/DF) ≤ 2 1.008 baikGFI mendekati 1 0.708 cukup baikTLI mendekati 1 0.983 baikCFI mendekati 1 0.987 baikRMSEA ≤ 0,08 0.02 baik

Uji measurement model waktu awal pada Tabel 4.8., menunjukkan bahwa

model tersebut dapat diterima dengan indikasi , dan sangat signifikan

karena nilai probability = 0,455, tetapi nilai GFI = 0,708 (cukup baik).

Gambar 4.10. Uji Measurement Model Biaya Awal.

Uji Goodness-of-fit terhadap model pada Gambar 4.10., menunjukkan

indeks-indeks sebagai berikut ini (Tabel 4.5.).


55

Tabel 4.5. Hasil Goodness of Fit Index Biaya Awal.


χ2 - Chi-Square < χ2 tabel 48.9 diharapkan nilainya kecilDerajat bebas, DF 35x2 - Significance Probability ≥ 0,05 0.059 baikRelatif x2 (CMIN/DF) ≤ 2 1.397 BaikGFI mendekati 1 0.84 cukup baikTLI mendekati 1 0.751 cukup baikCFI mendekati 1 0.806 cukup baikRMSEA ≤ 0,08 0.087 tidak baik

Uji measurement model biaya awal pada Tabel 4.5., menunjukkan bahwa

model tersebut dapat diterima dengan indikasi , dan sangat signifikan

karena nilai probability = 0,455, tetapi nilai RMSEA = 0,087 (tidak baik).

Gambar 4.11. Uji Measurement Model Kepuasan Pemakai Awal.




56

Tabel 4.6. Hasil Goodness of Fit Index Kepuasan Pemakai Awal.


χ2 - Chi-Square < χ2 tabel 66.285 diharapkan nilainya kecilDerajat bebas, DF 35x2 - Significance Probability ≥ 0,05 0.001 tidak baikRelatif x2 (CMIN/DF) ≤ 2 1.894 baikGFI mendekati 1 0.813 cukup baikTLI mendekati 1 0.683 cukup baikCFI mendekati 1 0.753 cukup baikRMSEA ≤ 0,08 0.131 tidak baik

Uji measurement model kepuasan pemakai awal pada Tabel 4.6.,

menunjukkan bahwa model tersebut dapat diterima dengan indikasi , dan

tidak signifikan karena nilai probability sebesar 0,001, dan nilai RMSEA sebesar

0,131 (tidak baik).

Peneliti mencoba melakukan beberapa pengujian-pengujian agar nilai uji

hipotesa dapat memenuhi persyaratan statistik, adapun pengujian-pengujian yang

dimaksud dapat dilihat pada uji measurement model akhir.

4.4.2. Uji Measurement Model Akhir.

Uji measurement model akhir yaitu pengujian model yang diperoleh oleh

peneliti dengan memberikan hubungan korelasi atau kovarian (↔) antara error a

dengan error b.

Pemberian hubungan korelasi (kovarian) dapat dilihat pada amos output di

modification indices dalam tabel covariances (group number 1 – default model)

dengan melihat nilai MI (modification indices) yang terbesar dahulu di kovarian

(↔) antara error a dengan error b, lalu dianalisa dan dilihat hasil dari uji hipotesa

hingga mendapatkan hasil yang memenuhi persyaratan statistik.

Peneliti mendapatkan hasil yang lebih baik dari sebelumnya dengan

membandingkan hasil uji hipotesa model awal dengan hasil uji hipotesa akhir,

adapun hasil akhirnya adalah sebagai berikut ini.


57

Gambar 4.12. Uji Measurement Model Kualitas Akhir.



Tabel 4.7. Hasil Goodness of Fit Index Kualitas Akhir.

Goodness of fit index Cut-off value Awal Akhir Keterangan

χ2 - Chi-Square < χ2 tabel 85.249 33.475 baikDerajat bebas, DF 35 29 (df = 29 ; χ2 tabel = 42,557)x2 - Significance Probability ≥ 0,05 0 0.259 baikRelatif x2 (CMIN/DF) ≤ 2 2.436 1.154 baikGFI mendekati 1 0.781 0.901 baikTLI mendekati 1 0.28 0.923 baikCFI mendekati 1 0.44 0.95 baikRMSEA ≤ 0,08 0.165 0.054 baik

Hasil Model

Uji measurement model kualitas akhir pada Tabel 4.7., menunjukkan bahwa

setelah model tersebut diberikan kovarian (antara e2 (error 2) dengan e7, e2

dengan e9, dan seterusnya), menghasilkan penurunan χ2 sebesar 51,774, nilai DF

turun sebesar 6, dan seterusnya, sehingga model dapat diterima dengan indikasi

, dan sangat signifikan karena nilai probability = 0,259.


58

Gambar 4.13. Uji Measurement Model Waktu Akhir.



Tabel 4.8. Hasil Goodness of Fit Index Waktu Akhir.


x2 - Chi-Square < x2 tabel 35,284 24,064 baikDerajat bebas, DF 35 24 (df = 24 ; x2 tabel = 36,415)x2 - Significance Probability ≥ 0,05 0,455 0,458 baikRelatif x2 (CMIN/DF) ≤ 2 1,008 1,003 baikGFI mendekati 1 0,708 0,914 baikTLI mendekati 1 0,983 0,999 baikCFI mendekati 1 0,987 1 baikRMSEA ≤ 0,08 0,02 0,007 baik

Hasil Model

Uji measurement model waktu akhir pada Tabel 4.8., menunjukkan bahwa

setelah model tersebut diberikan kovarian (antara e12 (error 12) dengan e13, e15

dengan e16, dan seterusnya), menghasilkan penurunan χ2 sebesar 11,22, nilai DF

turun sebesar 11, dan seterusnya, sehingga model dapat diterima dengan indikasi

, dan sangat signifikan karena nilai probability = 0,458.


59

Gambar 4.14. Uji Measurement Model Biaya Akhir.



Tabel 4.9. Hasil Goodness of Fit Index Biaya Akhir.


χ2 - Chi-Square < χ2 tabel 48.9 35.099 baikDerajat bebas, DF 35 33 (df = 33 ; χ2 tabel = 47,400)x2 - Significance Probability ≥ 0,05 0.059 0.369 baikRelatif x2 (CMIN/DF) ≤ 2 1.397 1.064 baikGFI mendekati 1 0.84 0.888 baikTLI mendekati 1 0.751 0.96 baikCFI mendekati 1 0.806 0.971 baikRMSEA ≤ 0,08 0.087 0.035 baik

Hasil Model

Uji measurement model biaya akhir pada Tabel 4.9., menunjukkan bahwa

setelah model tersebut diberikan kovarian (antara e21 (error 21) dengan e23, dan

e23 dengan e26), menghasilkan penurunan χ2 sebesar 13,801, nilai DF turun sebesar

2, dan seterusnya, sehingga model dapat diterima dengan indikasi , dan

sangat signifikan karena nilai probability = 0,369.


60

Gambar 4.15. Uji Measurement Model Kepuasan Pemakai Akhir.



Tabel 4.10. Hasil Goodness of Fit Index Kepuasan Pemakai Akhir.


χ2 - Chi-Square < χ2 tabel 66.285 42.34 baikDerajat bebas, DF 35 33 (df = 33 ; χ2 tabel = 47,400)x2 - Significance Probability ≥ 0,05 0.001 0.128 baikRelatif x2 (CMIN/DF) ≤ 2 1.894 1.283 baikGFI mendekati 1 0.813 0.868 baikTLI mendekati 1 0.683 0.9 baikCFI mendekati 1 0.753 0.926 baikRMSEA ≤ 0,08 0.131 0.074 baik

Hasil Model

Uji measurement model kepuasan pemakai akhir pada Tabel 4.10., menunjukkan

bahwa setelah model tersebut diberikan kovarian (antara e33 (error 33) dengan e34,

dan e33 dengan e37), menghasilkan penurunan x2 sebesar 23,945, nilai DF turun

sebesar 2, dan seterusnya, sehingga model dapat diterima dengan indikasi ,

dan sangat signifikan karena nilai probability = 0,128.


61

Rangkuman uji validitas konvergen dengan program Amos 7, dapat dilihat

pada tabel 4.11. sebagai berikut ini.

Tabel 4.11. Rangkuman Uji Validitas Konvergen.

Variabel Uji Validitas

Kualitas Sahih dengan menggunakan covarianceWaktu Sahih dengan menggunakan covarianceBiaya Sahih dengan menggunakan covarianceKepuasan Pemakai Sahih dengan menggunakan covariance

4.5. Uji Structural Model.

Uji structural model dengan menggunakan program Amos 7, kegunaannya

untuk mengambarkan model-model kausalitas dengan hubungan berjenjang.

Peneliti mencoba-coba berbagai model agar hasil uji hipotesis (chi-square,

df, probability, cmin/df, gfi, tli, cfi, dan rmsea) mendapatkan nilai yang lebih baik,

dengan syarat seperti pada Tabel 4.2. (Tabel Goodness of Fit Index), sehingga

dapat memenuhi persyaratan statistik.

Tabel 4.2. Goodness of Fit Index.

Goodness of fit index Cut-off value

χ2 - Chi-Square < χ2 tabelDerajat bebas, DFx2 - Significance Probability ≥ 0,05Relatif x2 (CMIN/DF) ≤ 2GFI mendekati 1TLI mendekati 1CFI mendekati 1RMSEA ≤ 0,08

(Sumber : Ferdinand, 2000 : p.52-59).

Indikasi permodelan tersebut dapat diterima dalam program Amos 7, dengan

menyalanya indikasi . Adapun hasil analisa uji structural model adalah

sebagai berikut ini.


62

Gambar 4.16. Uji Structural Model Awal.



Tabel 4.12. Hasil Goodness of Fit Index Awal. Goodness of fit index Cut-off value Hasil Model Keterangan

χ2 - Chi-Square < χ2 tabel 1522.17 diharapkan nilainya kecilDerajat bebas, DF 734x2 - Significance Probability ≥ 0,05 0 tidak baikRelatif x2 (CMIN/DF) ≤ 2 2.074 tidak baikGFI mendekati 1 0.435 tidak baikTLI mendekati 1 0.291 tidak baikCFI mendekati 1 0.333 tidak baikRMSEA ≤ 0,08 0.144 tidak baik

Uji structural model awal pada Tabel 4.12., menunjukkan bahwa model

tersebut dapat diterima (layak) dengan indikasi , dan tidak signifikan

karena nilai probability = 0.


63

Gambar 4.17. Uji Structural Model Kedua.



Tabel 4.13. Hasil Goodness of Fit Index Kedua.

Goodness of fit index Cut-off value Awal Kedua Keterangan

χ2 - Chi-Square < χ2 tabel 1522.2 768.5 diharapkan nilainya kecilDerajat bebas, DF 734 695x2 - Significance Probability ≥ 0,05 0 0.027 tidak baikRelatif x2 (CMIN/DF) ≤ 2 2.074 1.106 baikGFI mendekati 1 0.435 0.44 tidak baikTLI mendekati 1 0.291 0.701 cukup baikCFI mendekati 1 0.333 0.72 cukup baikRMSEA ≤ 0,08 0.144 0.061 baik

Hasil Model

Uji structural model kedua pada Tabel 4.13., dengan mengorbankan indikator

x5 (material tahan karat) pada variabel kualitas dan memberikan kovarian pada e24

dengan e30, menunjukkan bahwa model tersebut dapat diterima (layak) dengan

indikasi , dan tidak signifikan karena nilai probability = 0,027.


64

Gambar 4.18. Uji Structural Model Akhir.



Tabel 4.14. Hasil Goodness of Fit Index Akhir.

Goodness of fit index Cut-off value Awal Kedua Akhir Keterangan

χ2 - Chi-Square < χ2 tabel 1522.17 768.502 1389 diharapkan nilainya kecilDerajat bebas, DF 734 695 713x2 - Significance Probability ≥ 0,05 0 0.027 0 tidak baikRelatif x2 (CMIN/DF) ≤ 2 2.074 1.106 1.948 baikGFI mendekati 1 0.435 0.44 0.498 tidak baikTLI mendekati 1 0.291 0.701 0.374 tidak baikCFI mendekati 1 0.333 0.72 0.428 tidak baikRMSEA ≤ 0,08 0.144 0.061 0.135 tidak baik

Hasil Model

Uji structural model akhir pada Tabel 4.14., dengan tidak mengorbankan

indikator x5 (material tahan karat) pada variabel kualitas dan memberikan

kovarian pada e21 dengan e23, e23 dengan e26, dan seterusnya, menunjukkan bahwa


65

model tersebut dapat diterima (layak) dengan indikasi , dan tidak

signifikan karena nilai probability = 0.

Rangkuman uji validitas diskriminan dengan program Amos 7, dapat

disimpulkan bahwa uji validitas diskriminan tidak sahih meskipun menggunakan

covariance, selanjutnya analisa model akan menggunakan program analisa regresi

sederhana melalui program statistik SPS 2000, dan SPSS 13.

4.6. Analisa Total, Direct, dan Indirect Standardized Effect.

Pengujian model (dapat dilihat pada lembar Lampiran 6, halaman 120-125)

menunjukkan efek langsung, efek tidak langsung, dan efek total dari hasil analisa

Amos 7.

Hasilnya tidak ada variabel antara, maka indirect standardized effect bernilai

0 atau tidak ada.

4.6.1. Analisa Direct Standardized Effect.

Tabel Direct Standardized Effect menunjukkan bahwa terdapat efek langsung

(Direct Effect) dari biaya terhadap kepuasan pemakai sebesar 0,838, demikian

juga efek langsung dari waktu terhadap kepuasan pemakai sebesar 0,288, serta

efek langsung dari kualitas terhadap kepuasan pemakai sebesar -0,001.

Efek langsung dari variabel lainnya adalah loading factor atau lamda dari

masing-masing variabel indikator yang membentuk variabel laten yang di analisa.

4.6.2. Analisa Indirect Standardized Effect.

Tabel Indirect Standardized Effect menunjukkan efek tidak langsung dari

masing-masing konstruk terhadap sebuah konstruk tertentu, misalnya efek tidak

langsung dari biaya terhadap kepuasan pemakai sebesar 0, demikian juga efek

tidak langsung dari waktu terhadap kepuasan pemakai sebesar 0, serta efek tidak

langsung dari kualitas terhadap kepuasan pemakai sebesar 0, yang artinya tidak

ada efek tidak langsung.


66

4.6.3. Analisa Total Standardized Effect.

Tabel Total Standardized Effect menunjukkan efek total dari masing-masing

konstruk terhadap sebuah konstruk tertentu.

Efek total dari biaya terhadap kepuasan pemakai sebesar 0,838 (sama

besarnya dengan efek langsungnya, sebab tidak ada hubungan lain yang dapat

mempengaruhi kekuatan biaya ini).

Efek total dari waktu terhadap kepuasan pemakai sebesar 0,288 (sama

besarnya dengan efek langsungnya, sebab tidak ada hubungan lain yang dapat

mempengaruhi kekuatan waktu ini).

Efek tidak langsung dari kualitas terhadap kepuasan pemakai sebesar -0,001

(sama besarnya dengan efek langsungnya, sebab tidak ada hubungan lain yang

dapat mempengaruhi kekuatan kualitas ini).

4.7. Metode Analisa Regresi Sederhana.

Metode analisa regresi sederhana meliputi uji validitas, uji reliabilitas, uji

normalitas, uji linieritas, uji homogenitas, uji kolinieritas, dan uji outlier,

selengkapnya adalah sebagai berikut.

4.7.1. Uji Validitas.

Uji validitas tidak dibedakan berdasar wilayah proyek (Malang, dan

Surabaya), melainkan secara keseluruhan pernyataan pada kuesioner yang dijawab

oleh responden pada keempat variabel (kualitas, biaya, waktu, dan kepuasan

pemakai). Uji validitas (kesahihan) perlu dilakukan untuk mengetahui seberapa

tepat suatu alat ukur mampu melakukan fungsi.

Langkah-langkah yang dilakukan adalah analisa kesahihan butir (validity)

dengan menggunakan program SPS 2000 untuk masing-masing variabel (kualitas,

waktu, biaya, dan kepuasan pemakai), beserta indikatornya dengan syarat p

(probabilitas) < 0,05, hasil dari analisanya adalah sebagai berikut ini.


67

Gambar 4.19. Hasil Uji Validitas Kualitas.

Gambar 4.19. menerangkan bahwa pada variabel kualitas, butir 23, 13, 10,

19, 16, 30, 12, 25, 28, dan 5 memiliki status sahih.

0,001 0,003

0,01

0

0,0150,02

0,005

0,036

0,0490,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05

00

0,01

0,02

0,03

0,04

0,05

0,06

p 0,001 0,003 0,01 0 0 0,015 0,02 0,005 0,036 0,049

p (syarat) 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05

Bahan baku berkualitas

DesainRamah

lingkunganKemasan material

PersonilKerapian

pengerjaanGaransi material

Material anti rayap

Muai dan susut

Material anti karat

Gambar 4.20. Probabilitas Butir pada Variabel Kualitas.

Probabilitas pada semua butir (butir 23, 13, 10, 19, 16, 30, 12, 25, 28, dan 5.)

memenuhi persyaratan p < 0,05.


68

Gambar 4.21. Hasil Uji Validitas Waktu.

Gambar 4.21. menerangkan bahwa pada variabel waktu, butir 18 (instalasi

cepat), dan 38 (pengadaan bahan) memiliki status gugur, sedangkan butir 3, 26,

15, 4, 1, 6, 9, dan 2 memiliki status sahih.

0,09

0,064

0 0,001 0 0

0,018

0

0,035

0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05

0,005

0

0,02

0,04

0,06

0,08

0,1

p 0,09 0,064 0 0,005 0,001 0 0 0,018 0 0,035

p (syarat) 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05

Instalasi cepat

Pengadaan bahan

Pengadaan alat

Perubahan pekerjaan

Pelayanan StrukturalKeterampila

n pekerjaPenguranga

n pekerja

Keterlambatan

pembayaran

Perubahan cuaca

Gambar 4.22. Probabilitas Butir pada Variabel Waktu.

Probabilitas pada butir 3, 26, 15, 4, 1, 6, 9, dan 2 memenuhi persyaratan

p < 0,05, kecuali butir 18 (instalasi cepat) dan 38 (pengadaan bahan).


69

Gambar 4.23. Hasil Uji Validitas Biaya.

Gambar 4.23. menerangkan bahwa pada variabel biaya, butir 31 (kompetisi

harga) memiliki status gugur, sedangkan butir 8, 32, 20, 33, 35, 29, 24, 40, dan 17

memiliki status sahih.

0,001 0 0,004 0,002 0,002 0,001 0,007 0 0,009

0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05

0,323

0

0,05

0,1

0,15

0,2

0,25

0,3

0,35

p 0,001 0 0,004 0,323 0,002 0,002 0,001 0,007 0 0,009

p (syarat) 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05

Life time tinggi

Penyediaan energi

Perubahan pekerjaan

Kompetisi harga

Model atap StrukturalBerat

materialJenis

pekerjaanKemiringan

atapPenutup

atap

Gambar 4.24. Probabilitas Butir pada Variabel Biaya.

Probabilitas pada butir 8, 32, 20, 33, 35, 29, 24, 40, dan 17 memenuhi

persyaratan p < 0,05, kecuali butir 31 (kompetisi harga).


70

Gambar 4.25. Hasil Uji Validitas Kepuasan Pemakai.

Gambar 4.25. menerangkan bahwa pada variabel kepuasan pemakai, butir 11

(features), 36 (reliability), dan 27 (aesthetic) memiliki status gugur, sedangkan

butir 21, 37, 39, 7, 14, 22, dan 34 memiliki status sahih.

0,012

0,468

0,104

0,006 0

0,141

0 0 00,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,050,004

0

0,1

0,2

0,3

0,4

0,5

p 0,012 0,468 0,104 0,004 0,006 0 0,141 0 0 0

p (syarat) 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05 0,05

Performance Features ReliabilityConformance

to specification

DurabilityServiceabilit

yAesthetic

Perceived quality

TanggapanBiaya yang

wajar

Gambar 4.26. Probabilitas Butir pada Variabel Kepuasan Pemakai.

Probabilitas pada butir 21, 37, 39, 7, 14, 22, dan 34 memenuhi persyaratan

p < 0,05, kecuali butir 11 (features), 36 (reliability), dan 27 (aesthetic).


71

4.7.2. Uji Reliabilitas.

4.7.2.1. Teknik Cronbach’s Alpha.

Uji reliabilitas dilakukan untuk suatu informasi dapat dinyatakan andal

sekiranya diadakan amatan ulangan hasilnya tetap mantap atau stabil seperti yang

diungkapkan semula.

Langkah-langkah yang dilakukan adalah uji reliabilitas menggunakan

program SPSS 13 untuk masing-masing variabel kualitas, biaya, waktu, dan

kepuasan pemakai beserta indikatornya dengan syarat nilai cronbach’s alpha,

sebagai berikut ini (Budi, 2006 : p.248).

Tabel 4.15. Tingkat Reliabilitas Berdasarkan Nilai Alpha.

Alpha Tingkat Reliabilitas

0,00 s.d. 0,20 Kurang Reliabel> 0,20 s.d. 0,40 Agak Reliabel> 0,40 s.d. 0,60 Cukup Reliabel> 0,60 s.d. 0,80 Reliabel> 0,80 s.d. 1,00 Sangat Reliabel

Hasil keseluruhan analisa reliabilitas dari program statistik SPSS 13 adalah


Reliability Statistics

,739 11

Cronbach'sAlpha N of Items

Gambar 4.27. Uji Reliabilitas Kualitas dengan Teknik Cronbach’s Alpha.

Uji reliabilitas variabel kualitas pada Gambar 4.27., dapat dilihat bahwa nilai

cronbach’s alpha = 0,739, sehingga tingkat reliabilitasnya adalah reliabel (andal).


72


,780 11


Gambar 4.28. Uji Reliabilitas Waktu dengan Teknik Cronbach’s Alpha.

Uji reliabilitas variabel waktu pada Gambar 4.28., dapat dilihat bahwa nilai

cronbach’s alpha =0,780, sehingga tingkat reliabilitasnya adalah reliabel (andal).


,732 11


Gambar 4.29. Uji Reliabilitas Biaya dengan Teknik Cronbach’s Alpha.

Uji reliabilitas variabel biaya pada Gambar 4.29., dapat dilihat bahwa nilai

cronbach’s alpha = 0,732, sehingga tingkat reliabilitasnya adalah reliabel (andal).


,686 11


Gambar 4.30. Uji Reliabilitas Kepuasan Pemakai dengan Teknik Cronbach’s Alpha.

Uji reliabilitas variabel kepuasan pemakai pada Gambar 4.30., dapat dilihat

bahwa nilai cronbach’s alpha = 0,686, sehingga tingkat reliabilitasnya adalah

reliabel (andal).

Rangkuman uji reliabilitas dengan program SPSS 13, dapat dilihat pada tabel

4.16. sebagai berikut ini.


73

Tabel 4.16. Rangkuman Uji Reliabilitas dengan Teknik Cronbach’s Alpha.

Variabel Uji Reliabilitas

Kualitas AndalWaktu AndalBiaya AndalKepuasan Pemakai Andal

4.7.2.2. Teknik Hoyt.

Uji reliabilitas dengan teknik Cronbach’s Alpha dengan program SPSS

tersebut di uji silang dan dibandingkan dengan teknik Hoyt.

Uji reliabilitas dengan teknik Hoyt menggunakan program SPS 2000, adapun

langkah-langkah yang dilakukan adalah untuk masing-masing variabel kualitas,

biaya, waktu, dan kepuasan pemakai beserta indikatornya. Hasil keseluruhan

analisa reliabilitas adalah sebagai berikut ini.

Gambar 4.31. Uji Reliabilitas Kualitas dengan Teknik Hoyt.


rtt (korelasi keandalan Hoyt) = 0,681, dan p = 0, sehingga tingkat reliabilitasnya

adalah andal.


74

Gambar 4.32. Uji Reliabilitas Waktu dengan Teknik Hoyt.



adalah andal.

Gambar 4.33. Uji Reliabilitas Biaya dengan Teknik Hoyt.



adalah andal.


75

Gambar 4.34. Uji Reliabilitas Kepuasan Pemakai dengan Teknik Hoyt.



adalah andal. Rangkuman uji reliabilitas dengan program SPS 2000, dapat dilihat

pada tabel 4.17, dan rangkuman uji reliabilitas dengan teknik Cronbach’s Alpha

dan Hoyt, dapat dilihat pada tabel 4.18. sebagai berikut ini.

Tabel 4.17. Rangkuman Uji Reliabilitas dengan Teknik Hoyt. Variabel Uji Reliabilitas

Kualitas AndalWaktu AndalBiaya AndalKepuasan Pemakai Andal

Tabel 4.18. Rangkuman Uji Reliabilitas. Variabel

Cronbach's Alpha Hoyt

Kualitas Andal AndalWaktu Andal AndalBiaya Andal AndalKepuasan Pemakai Andal Andal

Uji Reliabilitas

Kesimpulannya adalah seluruh variabel (kualitas, waktu, biaya, dan kepuasan

pemakai) ternyata andal.


76

4.7.3. Uji Normalitas Sebaran.

Uji normalitas sebaran dengan menggunakan program SPS 2000, keluaran program

akan memberitahukan apakah sebarannya normal atau tidak. Kaidah yang digunakan adalah

jika p > 0,05 maka sebarannya dinyatakan normal, dan sebaliknya jika p < 0,05 sebarannya

dinyatakan tidak normal, adapun hasil analisanya dapat dilihat pada lembar lampiran.

Kesimpulannya adalah seluruh variabel (kualitas, waktu, biaya, dan kepuasan pemakai)

ternyata sebarannya normal.

4.7.4. Uji Linieritas Regresi.

Uji linieritas regresi dengan menggunakan program SPS 2000 untuk mengetahui bahwa

hubungan antara variabel bebas X dengan variabel terikat Y linier atau tidak linier, jika

hubungannya tidak linier maka korelasi yang dihasilkan bisa sangat rendah, walaupun

sebenarnya korelasinya cukup tinggi jika digunakan model korelasi atau regresi yang tidak

linier. Uji ini diperlukan sebelum melakukan uji korelasi atau regresi untuk memastikan

apakah derajat hubungannya linier atau kuadratik (pangkat dua), dan kubik (pangkat tiga),

adapun hasil analisanya adalah sebagai berikut ini.

Gambar 4.35. Uji Linieritas Regresi X1 dengan X4.

Uji linieritas pada Gambar 4.35., menunjukkan bahwa hubungan variabel

bebas X1 (kualitas) dengan variabel tergantung Y/X4 (kepuasan pemakai)

memiliki derajat hubungan linier.


77



bebas X2 (waktu) dengan variabel tergantung Y/X4 (kepuasan pemakai) memiliki

derajat hubungan kuadratik (tidak linier), sehingga perlu di transformasi ke fungsi

linier untuk variabel X2 (waktu).



bebas X3 (biaya) dengan variabel tergantung Y/X4 (kepuasan pemakai) memiliki

derajat hubungan linier.


78

Peneliti melakukan uji linieritas dengan memasukkan data variabel bebas X2

(waktu) yang telah ditransformasi ke fungsi linier secara otomatis oleh program

SPS 2000 menjadi X6 (transformasi waktu), sebagai berikut ini.



bebas X6 (transformasi dari X2/waktu) dengan variabel tergantung Y/X4 (kepuasan

pemakai) memiliki derajat hubungan linier.

Kesimpulan pengujian linieritas menunjukkan bahwa kualitas, waktu, dan

biaya terhadap kepuasan pemakai memiliki derajat hubungan linier dengan syarat

data variabel bebas X2 (waktu) ditransformasi ke fungsi linier menjadi X6

(transformasi waktu), sehingga peneliti dapat melanjutkan analisa regresi.

4.7.5. Uji Homogenitas Variansi 1 - Jalur.

Uji homogenitas variansi dengan menggunakan program SPS 2000, adapun

peneliti membandingkan 4 (empat) teknik uji homogenitas variansi (F-max

Hartley, C-Chochran, Bartlett, dan F-pasangan) yang tersedia dalam program SPS

2000, kemudian peneliti mengambil hasil yang terbaik dari empat teknik tersebut,

yaitu: teknik C-Chochran. Peneliti memasukkan data variabel tergantung

(kualitas, waktu, dan biaya), dan variabel jalur, yaitu: wilayah (Malang, dan

Surabaya), adapun hasil analisanya adalah sebagai berikut ini.


79

Gambar 4.39. Uji Homogenitas Variansi.

Uji homogenitas variansi pada Gambar 4.39., menunjukkan bahwa X1

(kualitas) memiliki status homogen, X2 (waktu) memiliki status homogen, dan X3

(biaya) memiliki status homogen karena semua variabel memiliki status homogen,

maka peneliti dapat melanjutkan analisa variansi 1 – jalur.

4.7.6. Uji Kolinieritas.

Uji kolinieritas dengan menggunakan program SPS 2000 untuk mengetahui

suatu matriks antar korelasi, beserta uji signifikansinya, sebuah tabel korelasi

bagian-total, dan sebuah tabel mengenai sumbangan efektif tiap-tiap faktor.

Langkah-langkah yang dilakukan dengan adalah dengan memasukkan data

variabel bebas X (x1 (kualitas), x2 (waktu), dan x3 (biaya)), dan variabel tergantung

Y (kepuasan pemakai), dengan syarat sebagai berikut ini (Budi, 2006 : p.164).

Tabel 4.19. Kekuatan Hubungan Korelasi Berdasarkan Nilai r.

Interval r Kekuatan Hubungan

0,000 s.d. 0,199 Sangat Lemah0,200 s.d. 0,399 Lemah0,400 s.d. 0,599 Cukup Kuat0,600 s.d. 0,799 Kuat0,800 s.d. 1,000 Sangat Kuat


80

Hasil analisa dari pengujian kolinieritas dengan menggunakan program SPS

2000 adalah sebagai berikut ini.

Gambar 4.40. Uji Kolinieritas.

Kesimpulan pengujian kolinieritas menunjukkan bahwa hanya X2 (waktu)

dengan X3 (biaya), dan X2 (waktu) dengan Y (kepuasan pemakai) yang memiliki

kekuatan hubungan korelasi cukup kuat (0,400 s.d. 0,599) dengan nilai

probabilitasnya = 0 (< 0,05/signifikan), sedangkan hubungan yang lainnya

menunjukkan kekuatan hubungan yang kuat (0,600 s.d. 0,799) dengan nilai

probabilitasnya = 0 (< 0,05/signifikan).

4.8. Analisa Regresi Sederhana.

Analisa regresi sederhana adalah analisis regresi dengan menggunakan hanya

satu variabel bebas.

Analisa ini menggunakan program SPSS 13, Gambar 4.41. menerangkan

bahwa hasil rata-rata Y (kepuasan pemakai) masing-masing responden dari total

53 responden yang ada adalah 4,46358, rata-rata x41 (kualitas) masing-masing

responden dari total 53 responden yang ada adalah 4,64717, rata-rata x2 (waktu)

masing-masing responden dari total 53 responden yang ada adalah 4,46360,

sedangkan rata-rata x3 (biaya) masing-masing responden dari total 53 responden

yang ada adalah 4,31830.


81

4,46358

0,454144

4,64717

0,320819

4,46360

0,252811

4,31830

0,386890

0,000,501,001,502,002,503,003,504,004,505,00

KepuasanPemakai

Kualitas Waktu Biaya

Mean Std. Deviation

Gambar 4.41. Mean, dan Std. Deviasi Descriptive Statistics.

Standart deviasi Y (kepuasan pemakai) masing-masing responden dari total

53 responden yang ada adalah 0,454144, x1 (kualitas) adalah 0,320819, x2 (waktu)

adalah 0,252811, sedangkan x3 (biaya) adalah 0,386890.

Hubungan korelasi dengan teknik Pearson Correlations dengan

menggunakan program SPSS 13 menunjukkan hasil sebagai berikut ini.

Tabel 4.20. Correlations.

Y x1 x2 x3

Pearson Correlation Y (Kepuasan Pemakai) 1,000 0,718 0,553 0,763x1 (Kualitas) 0,718 1,000 0,654 0,676x2 (Waktu) 0,553 0,654 1,000 0,535x3 (Biaya) 0,763 0,676 0,535 1,000

Sig. (1-tailed) Y (Kepuasan Pemakai) . 0,000 0,000 0,000x1 (Kualitas) 0,000 . 0,000 0,000x2 (Waktu) 0,000 0,000 . 0,000x3 (Biaya) 0,000 0,000 0,000 .

N Y (Kepuasan Pemakai) 53 53 53 53x1 (Kualitas) 53 53 53 53x2 (Waktu) 53 53 53 53x3 (Biaya) 53 53 53 53


82

x1; 0,718

x2; 0,553

x3; 0,763

Gambar 4.42. Pearson Correlation Y (Kepuasan Pemakai).

Hubungan Y (kepuasan pemakai) dengan x1 (kualitas) sangat signifikan

karena nilai p = 0,000 (p < 0,05), dan nilai r = 0,718 menunjukkan hubungan

korelasi yang kuat, hubungan Y (kepuasan pemakai) dengan x2 (waktu) sangat

signifikan karena nilai p = 0,000 (p < 0,05), dan nilai r = 0,553 menunjukkan

hubungan korelasi yang cukup kuat, hubungan Y (kepuasan pemakai) dengan x3

(biaya) sangat signifikan karena nilai p = 0,000 (p < 0,05), dan nilai r = 0,763

menunjukkan hubungan korelasi yang kuat.

Y; 0,718

x2; 0,654

x3; 0,676

Gambar 4.43. Pearson Correlation x1 (Kualitas).

Hubungan x1 (kualitas) dengan Y (kepuasan pemakai) sangat signifikan


korelasi yang kuat, hubungan x1 (kualitas) dengan x2 (waktu) sangat signifikan


korelasi yang kuat, hubungan x1 (kualitas) dengan x3 (biaya) sangat signifikan


korelasi yang kuat.


83

Y; 0,553

x1; 0,654

x3; 0,535

Gambar 4.44. Pearson Correlation x2 (Waktu).

Hubungan x2 (waktu) dengan Y (kepuasan pemakai) sangat signifikan karena

nilai p = 0,000 (p < 0,05), dan nilai r = 0,553 menunjukkan hubungan korelasi

yang cukup kuat, hubungan x2 (waktu) dengan x1 (kualitas) sangat signifikan


korelasi yang kuat, hubungan x2 (waktu) dengan x3 (biaya) sangat signifikan


korelasi yang cukup kuat.

Y; 0,763

x1; 0,676

x2; 0,535

Gambar 4.45. Pearson Correlation x3 (Biaya).

Hubungan x3 (biaya) dengan Y (kepuasan pemakai) sangat signifikan karena

nilai p = 0,000 (p < 0,05), dan nilai r = 0,763 menunjukkan hubungan korelasi yang

kuat, hubungan x3 (biaya) dengan x1 (kualitas) sangat signifikan karena nilai p =

0,000 (p < 0,05), dan nilai r = 0,676 menunjukkan hubungan korelasi yang kuat,

hubungan x3 (biaya) dengan x2 (waktu) sangat signifikan karena nilai p = 0,000 (p <

0,05), dan nilai r = 0,535 menunjukkan hubungan korelasi yang cukup kuat.


84

Tabel 4.21. Model Summaryb.

Model Summary b

,813a ,660 ,639 ,272701Model1

R R SquareAdjustedR Square

Std. Error ofthe Estimate

Predictors: (Constant), x3, x2, x1a.

Dependent Variable: Yb.

Variabel entered / removed, variabel independen yang masuk adalah x1 (kualitas),

x2 (waktu), dan x3 (biaya) dengan variabel terikat Y (kepuasan pemakai).

Nilai R = 0,813 dan R Square = 0,660, menunjukkan bahwa 0,660 atau 66 %

variasi Y (kepuasan pemakai) dipengaruhi oleh variabel x1 (kualitas), x2 (waktu),

dan x3 (biaya), sementara sisanya 44 % dipengaruhi oleh sebab-sebab lain.

Standar error of estimate = 0,272701 (lihat Tabel 4.21) lebih kecil dari standar

deviasi = 0,454144 (lihat Gambar 4.41), maka model regresi layak digunakan.

Tabel 4.22. Anovab.

ANOVAb

7,081 3 2,360 31,739 ,000a

3,644 49 ,07410,725 52

RegressionResidualTotal

Model1

Sum ofSquares df Mean Square F Sig.

Predictors: (Constant), x3, x2, x1a.

Dependent Variable: Yb.

Tabel 4.22. Anovab, menunjukkan nilai F = 31,739 dengan p = 0,000 (syarat

p < 0,05), maka regresi sangat signifikan dan dapat dipakai untuk memprediksi x1

(kualitas), x2 (waktu), dan x3 (biaya).

Ketiga variabel penilaian adalah variabel kualitas, waktu, dan biaya

berpengaruh secara bersama-sama (simultan) terhadap kepuasan pemakai dengan

nilai F = 31,739 dengan p = 0,000 (syarat p < 0,05), maka koefisien regresi sangat

signifikan pada taraf kepercayaan 95 %.


85

Tabel 4.23. Coefficients a.

Coefficientsa

-,813 ,685 -1,187 ,241,478 ,181 ,338 2,637 ,011,117 ,200 ,065 ,581 ,564,587 ,135 ,500 4,364 ,000

(Constant)x1x2x3

Model1

B Std. Error

UnstandardizedCoefficients

Beta

StandardizedCoefficients

t Sig.

Dependent Variable: Ya.

Nilai B constant sebesar -0,813 menyatakan bahwa jika x1 (kualitas), x2

(waktu), dan x3 (biaya) diabaikan, maka Y (kepuasan pemakai) menurun sebesar -

0,813, dan persamaan regresinya adalah sebagai berikut ini.

Y = -0,813 + 0,478 x1 + 0,117 x2 + 0,587 x3 ± 0,273

Keterangan.

Y = kepuasan pemakai x2 = variabel waktu

x1 = variabel kualitas x3 = variabel biaya

Dasar pengambilan keputusan berdasarkan perbandingan t hitung dengan t

tabel berikut ini.

1. Jika t hitung < t tabel, maka H0 diterima (tidak ada pengaruh dari sebuah

variabel bebas terhadap variabel terikat).

2. Jika t hitung > t tabel, maka H0 ditolak (ada pengaruh dari sebuah variabel

bebas terhadap variabel terikat).

t tabel dapat dicari dengan tabel distribusi t pada taraf kepercayaan 95 %,

selengkapnya dapat dilihat dibawah ini.

1. α sebesar 5% atau 0,05.

2. db = jumlah sampel (N) – 2 = 53 – 2 = 51.

3. Angka t tabel = 1,671.


86

Gambar 4.46. Daerah Penerimaan dan Penolakan H0 (t).

Gambar 4.46. menerangkan bahwa hanya x3 (variabel biaya) yang

mempunyai nilai t hitung sebesar 4,364 masuk pada daerah penolakan H0, karena t

hitung > t tabel, dengan probabilitas sebesar 0,00 (p < 0,05), sehingga koefisien

regresi sangat signifikan atau ada pengaruh biaya terhadap kepuasan pemakai

secara sangat signifikan pada taraf kepercayaan 95 %, dan x1 (variabel kualitas)

yang mempunyai nilai t hitung sebesar 2,637 masuk pada daerah penolakan H0,

karena t hitung > t tabel, maka koefisien regresi signifikan (ada pengaruh kualitas

terhadap kepuasan pemakai secara signifikan pada taraf kepercayaan 95 %)

dengan probabilitas sebesar 0,011 (p < 0,05).

1.00.80.60.40.20.0

Observed Cum Prob

1.0

0.8

0.6

0.4

0.2

0.0

Expect

ed Cu

m Prob

Dependent Variable: Y

Normal P-P Plot of Regression Standardized Residual

Gambar 4.47. Normalitas dengan Grafik Normal P-P Plot.

Gambar 4.47. menerangkan bahwa sebaran titik-titik residual berada di

sekitar garis normal, karena titik-titik residual tersebut berasal dari data dengan

distribusi normal, sehingga dapat disimpulkan bahwa regresi telah memenuhi

persyaratan normalitas.


87

420-2

Regression Standardized Predicted Value

2

1

0

-1

-2Regre

ssion

Stud

entiz

ed De

leted

(Pres

s) Re

sidua

l


Scatterplot

Gambar 4.48. Kelayakan Model Regresi (Model Fit).

Gambar 4.48. menerangkan bahwa grafik Scatterplot tidak menunjukkan pola

titik-titik tertentu, sehingga model regresi disimpulkan layak digunakan.

6.0005.5005.0004.5004.0003.500

Y

4

2

0

-2

Regr

essio

n Stan

dard

ized P

redict

edVa

lue


Scatterplot

Gambar 4.49. Kelayakan Tiap Data untuk Model Regresi (Model Fit).

Gambar 4.49. menerangkan bahwa grafik Scatterplot tidak menunjukkan

adanya pola diagonal yang dibentuk oleh sebaran titik-titik, sehingga setiap data

disimpulkan layak untuk membentuk model regresi.


88

4.9. Analisa Beda (One Way Anova).

Analisa beda (one way anova) merupakan pengujian untuk mengetahui

perbedaan nyata rata-rata antar varian dari tiga kelompok sampel atau lebih akibat

adanya satu faktor perlakuan. Analisa ini menggunakan program SPS 2000,

adapun hasil outputnya adalah sebagai berikut ini.

Gambar 4.50. Statistik Induk.

Ringkasan hasil yang tersebut diatas, maka dapat dilihat kecenderungan rata-

rata terbesar untuk wilayah Malang (A1) daripada wilayah Surabaya (A2) dengan

nilai rata-rata sebagai berikut ini.

1. Variabel x1 (kualitas) sebesar 4,733, nilai SB (standar deviasi) sebesar

0,350, dengan jumlah responden 27 dari total 53 responden.

2. Variabel x2 (waktu) sebesar 4,493 dengan nilai SB (standar deviasi)

sebesar 0,466, dengan jumlah responden 27 dari total 53 responden.

3. Variabel x3 (biaya) sebesar 4,386 dengan nilai SB (standar deviasi) sebesar

0,418, dengan jumlah responden 27 dari total 53 responden.

4. Variabel x4 (kepuasan pemakai) sebesar 4,529 dengan nilai SB (standar

deviasi) sebesar 0,524, dengan jumlah responden 27 dari total 53 responden.


89

Hasil Gambar 4.50, masih diperlukan pengujian lanjut untuk mengetahui

apakah perbedaan tersebut signifikan pada taraf kepercayaan 95 % atau p < 0,05.

Gambar 4.51. Rangkuman Analisis Variansi 1-Jalur.

Ringkasan hasil yang tersebut diatas, maka dapat dilihat nilai dari masing-

masing variabel sebagai berikut ini.

1. Variabel kualitas (x1) memiliki nilai F hitung (F) = 4,216, R2 = 0,076,

menunjukkan bahwa 0,076 atau 7,6 % variasi x5 (wilayah) dipengaruhi

oleh variabel x1, sementara sisanya 92,4 % dipengaruhi oleh sebab-sebab

lain, dan p sebesar 0,043 (p < 0,05), maka variabel kualitas (x1) ada

perbedaan yang signifikan rata-rata wilayahnya.

2. Variabel waktu (x2) memiliki nilai F hitung (F) = 12,875, R2 = 0,202,



lain, dan p sebesar 0,001 (p < 0,05), maka variabel waktu (x2) ada

perbedaan yang sangat signifikan rata-rata wilayahnya.

3. Variabel biaya (x3) memiliki nilai F hitung (F) = 1,724, R2 = 0,033,




90

lain, dan p sebesar 0,192 (p > 0,05), maka variabel biaya (x3) tidak ada

perbedaan rata-rata wilayahnya.

4. Variabel kepuasan pemakai (x4) memiliki nilai F hitung (F) = 1,1286, R2 =

0,022, menunjukkan bahwa 0,022 atau 2,2 % variasi x5 (wilayah)

dipengaruhi oleh variabel x4, sementara sisanya 97,8 % dipengaruhi oleh

sebab-sebab lain, dan p sebesar 0,293 (p > 0,05), maka variabel kepuasan

pemakai (x4) tidak ada perbedaan rata-rata wilayahnya.

0,043

0,001

0,192

0,050 0,050 0,050 0,050

0,293

0

0,05

0,1

0,15

0,2

0,25

0,3

0,35

p 0,043 0,001 0,192 0,293

p (syarat) 0,050 0,050 0,050 0,050

x1 x2 x3 x4

Gambar 4.52. Perbandingan Probabilitas Analisis Variansi 1-Jalur.

Dasar pengambilan keputusan berdasarkan perbandingan F hitung dengan F

tabel sebagai berikut ini.

1. Jika F hitung < F tabel, maka H0 diterima (variabel x tidak ada perbedaan

rata-rata wilayahnya.

2. Jika F hitung > F tabel, maka H0 ditolak (variabel x ada perbedaan rata-

rata wilayahnya.

F tabel dapat dicari dengan tabel distribusi F pada taraf kepercayaan 95 %,

selengkapnya dapat dilihat dibawah ini.

1. α sebesar 5% atau 0,05.

2. Numerator (jumlah variabel x45 – 1) atau 2-1 = 1.

3. Denumerator (jumlah kasus – jumlah variabel x45) atau 53-2 = 51.

4. Angka F tabel = 4,00.


91

Gambar 4.53. Daerah Penerimaan dan Penolakan H0.

Kesimpulannya adalah terbukti secara meyakinkan bahwa variabel-variabel

yang masuk daerah penerimaan dan penolakan H0 adalah sebagai berikut ini.

1. Variabel yang masuk daerah penerimaan H0.

a) x4 (kepuasan pemakai) dengan nilai F sebesar 1,128, terbukti

menyakinkan secara tidak signifikan (p=0,293) pada taraf kepercayaan

95 % bahwa variabel kepuasan pemakai (x4) tidak ada perbedaan rata-

rata wilayahnya.

b) x3 (biaya) dengan nilai F sebesar 1,724, terbukti menyakinkan secara

tidak signifikan (p=0,192) pada taraf kepercayaan 95 % bahwa

variabel biaya (x3) tidak ada perbedaan rata-rata wilayahnya.

2. Variabel yang masuk daerah penolakan H0.

a) x1 (kualitas) dengan nilai F sebesar 4,216, terbukti menyakinkan secara

signifikan (p=0,043) pada taraf kepercayaan 95 % bahwa variabel

kualitas ada perbedaan rata-rata wilayahnya.

b) x2 (waktu) dengan nilai F sebesar 12,875, terbukti menyakinkan secara

sangat signifikan (p=0,001) pada taraf kepercayaan 95 % bahwa

variabel waktu ada perbedaan rata-rata wilayahnya.


92

4.10. Pembahasan.

4.10.1. Hasil Penelitian Dibandingkan dengan Hipotesis Penelitian.

Hasil penelitian dibandingkan dengan hipotesis penelitian adalah sebagai berikut.

1. Ketiga variabel penilaian adalah variabel kualitas, waktu, dan biaya

berpengaruh secara bersama-sama (simultan) terhadap kepuasan pemakai

dengan nilai F = 31,739 dengan p = 0,000 (syarat p < 0,05), dan koefisien

regresi sangat signifikan pada taraf kepercayaan 95 %, jadi hipotesis 1

(satu) terbukti.

2. Apakah ada pengaruh secara sendiri (parsial) untuk masing-masing

variabel terhadap kepuasan pemakai rangka atap baja ringan di wilayah

Malang, dan Surabaya (hipotesis 2 (dua) terbukti sebagian) ?

a) Ada pengaruh secara sendiri (parsial) untuk variabel kualitas, dan

variabel biaya terhadap kepuasan pemakai rangka atap baja ringan di

wilayah Malang, dan Surabaya adalah sebagai berikut ini.

1) Variabel kualitas (x1) yang mempunyai nilai t hitung sebesar 2,637

masuk pada daerah penolakan H0, karena t hitung > t tabel (1,671),

dengan probabilitas sebesar 0,011 (p<0,05), sehingga koefisien

regresi signifikan atau ada pengaruh variabel kualitas terhadap

variabel kepuasan pemakai secara signifikan pada taraf

kepercayaan 95%.

2) Variabel biaya (x3) yang mempunyai nilai t hitung sebesar 4,364

masuk pada daerah penolakan H0, karena t hitung > t tabel (1,671),

dengan probabilitas sebesar 0,00 (p<0,05), sehingga koefisien regresi

sangat signifikan atau ada pengaruh variabel biaya terhadap kepuasan

pemakai secara sangat signifikan pada taraf kepercayaan 95%.

b) Tidak ada pengaruh secara sendiri (parsial) untuk variabel waktu

terhadap kepuasan pemakai rangka atap baja ringan di wilayah

Malang, dan Surabaya, karena variabel waktu (x2) yang mempunyai

nilai t hitung sebesar 0,581 masuk pada daerah penerimaan H0, karena

t hitung > t tabel (1,671), dengan probabilitas sebesar 0,564 (p>0,05),

sehingga koefisien regresi tidak signifikan atau tidak ada pengaruh


93

variabel waktu terhadap kepuasan pemakai secara tidak signifikan

pada taraf kepercayaan 95%.

3. Apakah ada perbedaan besarnya variabel kualitas, waktu, biaya, dan

kepuasan pemakai rangka atap baja ringan di wilayah Malang, dan

Surabaya (hipotesis 3 (tiga) terbukti sebagian)?

a) Ada perbedaan besarnya variabel kualitas, dan waktu di wilayah

Malang, dan Surabaya adalah sebagai berikut ini.

1) Variabel kualitas dengan nilai F sebesar 4,216, terbukti

menyakinkan secara signifikan (p=0,043) pada taraf kepercayaan

95 % bahwa variabel kualitas ada perbedaan rata-rata wilayahnya.

2) Variabel waktu dengan nilai F sebesar 12,875, terbukti menyakinkan

secara sangat signifikan (p=0,001) pada taraf kepercayaan 95 %

bahwa variabel waktu ada perbedaan rata-rata wilayahnya.

b) Tidak ada perbedaan besarnya variabel biaya, dan kepuasan pemakai

rangka atap baja ringan di wilayah Malang, dan Surabaya adalah


1) Variabel kepuasan pemakai dengan nilai F sebesar 1,128, terbukti

menyakinkan secara tidak signifikan (p=0,293) pada taraf

kepercayaan 95 % bahwa variabel kepuasan pemakai tidak ada

perbedaan rata-rata wilayahnya.

2) Variabel biaya dengan nilai F sebesar 1,724, terbukti menyakinkan

secara tidak signifikan (p=0,192) pada taraf kepercayaan 95 %

bahwa variabel biaya tidak ada perbedaan rata-rata wilayahnya.

4.10.2. Hasil Penelitian Dibandingkan dengan Teori dalam Penelitian.

Hasil penelitian dibandingkan dengan teori dalam penelitian adalah sebagai berikut.

1. Variabel kualitas.

Kualitas barang atau jasa semata-mata ditentukan oleh konsumen,

sehingga kepuasan konsumen hanya dapat dicapai dengan memberikan

kualitas yang baik. Pelanggan yang puas dapat mendorong adanya

pembelian ulang dan merekomendasikan kepada kerabat dan teman-

temannya (Gerson, Widyaningrum, Trans., 2004 : p.3) yang pada akhirnya


94

dapat membuat konsumen menjadi setia (loyal). Garvin dan Davis (1994)

berpendapat bahwa kualitas adalah suatu kondisi dinamis yang

berhubungan dengan produk, manusia/tenaga kerja, proses, dan tugas,

serta lingkungan yang memenuhi atau melebihi harapan pelanggan atau

konsumen (Nasution, 2004 : p.41). Produk berkualitas, bila dapat memberi

kepuasan sepenuhnya kepada konsumen, yaitu sesuai dengan yang diharapkan

konsumen atas suatu produk (Nasution, 2004 : p.41). Teori diatas terbukti benar

terhadap hasil penelitian ini bahwa variabel kualitas berpengaruh terhadap

kepuasan pemakai, baik secara simultan (bersama-sama), maupun secara parsial

(sendiri), dan sebagian besar konsumen merasa puas terhadap kualitas J-STEEL.

2. Variabel waktu.

Hasil penelitian ini menyatakan bahwa variabel waktu berpengaruh

terhadap kepuasan pemakai, secara simultan (bersama-sama), tetapi tidak

berpengaruh secara parsial (sendiri) terhadap kepuasan pemakai, dan

konsumen dapat memahami keterlambatan pengiriman material dari

produsen, tetapi keterlambatan pengiriman material dari produsen menuju

distributor tidak melebihi dari satu minggu.

3. Variabel biaya.

Biaya rangka atap baja ringan tergantung dari beberapa indikator,

misalnya model atap. Semakin sulit modelnya tentu material yang

digunakan pun semakin banyak dan semakin besar lebar bentang semakin

banyak kuda-kuda yang mesti dipasang. Faktor beban yang akan

ditanggung mempengaruhi pemakaian material rangka atap. Hargapun

amat variatif sekitar Rp 140.0000 - 250.000/m2. Harga ini bisa bertambah

atau berkurang tergantung pemakaian material dan tingkat kerumitannya

(Serial rumah “ATAP”, 2007 : p.24).

Teori diatas terbukti benar terhadap hasil penelitian ini bahwa variabel

biaya berpengaruh terhadap kepuasan pemakai, baik secara simultan

(bersama-sama), maupun secara parsial (sendiri), dan konsumen sadar akan

perbedaan harga tersebut, tetapi konsumen mengharapkan harga LSF J-STEEL

lebih murah, dan dapat bertahan di pasar produk-produk LSF lainnya.

4. analisa dan pembahasan. 4.1. pendahuluan. · 4. analisa dan pembahasan. 4.1. pendahuluan. pilot...

Documents