Uji Asumsi Klasik HASIL PENELITIAN DAN PEMBAHASAN

kurang setuju, 68 orang responden 48,6 menjawab setuju dan selebihnya 6 orang responden 4,3 menjawab sangat setuju. 6. Frekuensi jawaban responden sampel tentang pertanyaan item 6 yaitu Saya akan selalu merekomendasikan kartu simPATI kepada orang lain diketahui bahwa 7 orang responden 5,0 menjawab sangat tidak setuju, yang artinya punya keinginan untuk selalu merekomendasikan kartu simPATI kepada orang lain, sedangkan 16 orang responden 11,4 menjawab tidak setuju, 43 orang responden 30,7 menjawab kurang setuju, 63 orang responden 45 menjawab setuju dan selebihnya 11 orang responden 7,9 menjawab sangat setuju.

4.5. Uji Asumsi Klasik

Sebelum melakukan regresi linier berganda, ada beberapa syarat yang harus dipenuhi yakni A Uji Normalitas, B Uji Heteroskedastisitas, dan C Uji Multikolinieritas.

A. Uji Normalitas

1. Pendekatan Histogram

Pengujian ini dilakukan untuk melihat model regresi, apakah variabel dependen dan independen terdistribusi normal atau tidak. Universitas Sumatera Utara Sumber: Hasil Pengolahan SPSS versi 16 2012 Gambar 4.2 Uji Normalitas dengan Pendekatan Histogram Pada Gambar 4.2 terlihat bahwa variabel terdistribusi normal. Hal tersebut ditunjukkan oleh distribusi data yang tidak miring ke kiri atau ke kanan, ini berarti terdapat pengaruh yang positif dan signifikan antara pengaruh kepercayaan X 1 , ikatan sosial X 2 , terhadap variabel loyalitas pelanggan simPATI Y.

2. Pendekatan Grafik

Uji normalitas bertujuan untuk menguji apakah model regresi berdistribusi normal. Uji normalitas dapat dilakukan dengan analisis grafik yaitu pada Normal P-P Plot of Regression Standarizied Residual. Apakah titik menyebar di sekitra garis diagonal maka data telah berdistribusi normal. Normal P-P Plot of Regression Standarizied Residual. Universitas Sumatera Utara Sumber: Hasil Pengolahan SPSS versi 16 2012 Gambar 4.3 Uji Normalitas dengan Pendekatan GrafiK

3. Pendekatan Kolmogorv-Smirnov

Uji normalitas juga dilakukan dengan menggunakan pendekatan kolmogorov smirnov. Dengan menggunakan tingkat signifikan 5 0,05 maka nilai Asymp.Sig. 2-tailed di atas nilai signifikan 5 artinya variabel residual terdistribusi normal Sumber: Hasil Pengolahan SPSS versi 16 2012 Tabel 4.11 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 140 Normal Parameters a Mean .0000000 Std. Deviation 3.65401874 Most Extreme Differences Absolute .133 Positive .061 Negative -.133 Kolmogorov-Smirnov Z 1.568 Asymp. Sig. 2-tailed .015 a. Test distribution is Normal. Universitas Sumatera Utara Pada Tabel 4.11 terlihat bahwa nilai Asymp. Sig. 2-tailed adalah 0,015 dan di atas nilai signifikan 0,05, dengan kata lain variabel residual terdistribusi normal.

B. Uji Heteroskedastisitas

Uji heteroskedastisitas digunakan untuk menguji apakah dalam model regresi terjadi ketidaksamaanperbedaan varians dari residual pengamatan yang lain. Jika varians residual dari suatu pengamatan lain tetap, maka disebut homoskedastisitas dan heteroskedastisitas terjadi jika residual tidak memiliki varian yang konstan. Model yang paling baik adalah tidak terjadi heteroskedastisitas. Pemeriksaan terhadap gejala heteroskedastisitas adalah dengan melihat pola diagram pencar pada grafik scatterplot. Cara pengambilan keputusannya adalah sebagai berikut: Sumber: Hasil Pengolahan SPSS versi 16 2012 Gambar 4.4 Grafik scatterplot Gambar 4.6 menunjukkan bahwa grafik scatterplot tidak membentuk suatu pola atau acak, dengan demikian dapat dikatakan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk mengetahui kepercayaan X 1 , ikatan sosial X 2 , terhadap variabel loyalitas pelanggan simPATI Y. Universitas Sumatera Utara Uji heteroskedastisitas juga dapat dilakukan dengan Uji Glejser. Cara pengambilan keputusan: a. Jika probabilitas 0,05 maka tidak mengalami gangguan heteroskedastisitas. b. Jika probabilitas 0,05 maka mengalami gangguan heteroskedastisitas. Tabel 4.12 Hasil Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 3.072 1.348 2.279 .024 Kepercayaan .220 .117 .169 1.879 .062 Ikatan_Sosial .305 .151 .214 2.021 .045 Loyalitas_pelanggan -.298 .048 -.590 -6.243 .000 a. Dependent Variable: absut Sumber: Hasil Pengolahan SPSS versi 16 2012 Pada Tabel 4.12 dapat dilihat bahwa kolom Sig. pada tabel koefisien regresi untuk variabel independen adalah 0,062; 0,045atau probabilitas lebih besar dari 0,05 maka tidak terjadi gangguan heteroskedastisitas. Hal ini menunjukkan semua variabel independen kepercayaan X 1 , ikatan sosial X 2 signifikan secara statistik mempengaruhi variabel dependen absolute Ut absut.

C. Uji Multikolinieritas

Multikolinearitas artinya terdapat korelasi linear sempurna atau pasti diantara dua atau lebih variabel independen, artinya multikolinearitas menyebabkan standar deviasi masing- masing koefisien regresi akan sangat besar sehingga membuat bias tingkat signifikan pengaruh variabel dependen. Hal ini menyebabkan kesulitan dalam memisahkan pengaruh masing-masing variabel independen terhadap variabel dependen. Metode yang digunakan untuk menguji ada tidaknya multikolinearitas adalah dengan menggunakan nilai Variance Universitas Sumatera Utara Inflation Factor VIF. Batas VIF adalah 5, artinya jika VIF lebih besar dari 5, maka variabel tersebut mempunyai persoalan multikolinearitas dengan variabel bebas yang lainnya disimpulkan terjadinya multikolinearitas. Tabel 4.12 Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 1.282 2.413 .531 .596 Kepercayaan .082 .210 .032 .392 .696 .696 1.436 Ikatan_Sosial 1.672 .229 .592 7.293 .000 .696 1.436 a. Dependent Variable: Loyalitas_pelanggan Sumber: Hasil Pengolahan SPSS versi 16 2012 Pada Tabel 4.12 variabel produk, promosi, harga, dan penempatan memiliki nilai VIF 1,436; 1,436 5 dan tidak 5 maka variabel tersebut tidak mempunyai persoalan multikolinearitas.

4.6. Analisis Regresi Linier Berganda