Pengambilan keputusan untuk uji Normalitas pada skripsi ini dapat juga dilakukan dengan membandingkan nilai Asymp.Sis 2-tailed tabel dengan nilai
Asymp.Sig 2-tailed hitung adalah 0,05. Hasil uji Normalitas pada penelitian skripsi ini dapat juga dilihat pada one sample KS Test pada Tabel 4.9
Tabel 4.9 Hasil Analisis Instrumen One Sample KS Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 82
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.36529381
Most Extreme Differences Absolute
.101 Positive
.087 Negative
-.101 Kolmogorov-Smirnov Z
.914 Asymp. Sig. 2-tailed
.374 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Pengolahan Data Primer kuesioner dengan SPSS 17.00, 2010
Nilai Asymp.Sis 2-tailed pada penelitian ini adalah 0,374 lebih besar dari 0,05 0,374 0,05, artinya variabel residual berdistribusi normal.
2. Multikoliniearitas
Uji multikolinearitas dilakukan untuk menguji apakah terdapat korelasi yang tinggi diantara variabel bebas. Model regresi yang baik seharusnya tidak
terjadi korelasi antara variabel independen. Suatu variabel tidak terkena multikolinearitas, jika nilai Variance Inflation Factor VIF tidak lebih besar dari
5 VIF 5 dan nilai Tolerance lebih dari 0,1 Tolerance 0,1 Situmorang, et
Universitas Sumatera Utara
al. 2008:104. Uji multikolinearitas pada penelitian skripsi ini dapat dilihat pada Tabel 4.10.
Tabel 4.10 Hasil Analisis Instrumen Multikoliniearitas
Sumber: Pengolahan Data Primer kuesioner dengan SPSS 17.00, 2010
Tabel 4.10 menunjukkan tidak adanya masalah multikolinearitas, dimana hasil uji Variance Inflation Factor VIF pada variabel Pemasaran Relasional dan
Kualitas Pelayanan masing-masing menunjukkan nilai kurang dari lima VIF 5. Nilai Variance Inflation Factor VIF pada variabel Pemasaran Relasional adalah
1,068 dan variabel Kualitas Pelayanan adalah 1,068. Nilai Variance Inflation Factor VIF yang lebih kecil dari 5 lima menunjukkan bahwa tidak ada
masalah multikolinearitas dalam model penelitian skripsi ini. Nilai Tolerance pada variabel Pemasaran Relasional adalah 0,936; dan variabel Kualitas
Pelayanan sebesar 0,936. Nilai Tolerance lebih besar dari 0,1 Tolerance 0,1 maka tidak terdapat multikolinearitas.
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1Constant .938
2.226 .421
.675 Pemas_Relasi
.391 .051
.656 7.631
.000 .936
1.068 Kualitas_Pela
.018 .025
.061 .706
.482 .936
1.068 a. Dependent Variable: Loyalitas_Pela
Universitas Sumatera Utara
3. Heteroskedastisitas
Heteroskedastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi, dengan kata lain
heteroskedastisitas terjadi jika residual tidak memiliki varian yang konstan. Heteroskedastisitas dapat diketahui dengan melakukan dua pendekatan yakni
pendekatan statistik uji glesjer dan pendekatan grafik. Kriteria pengambilan keputusan:
a. Jika nilai signifikansi 0,05, maka tidak mengalami gangguan
heteroskedastisitas. b.
Jika nilai signifikansi 0,05, maka mengalami gangguan heteroskedastisitas.
Tabel 4.11 Hasil Analisis Instrumen Heteroskedastisitas
Pendekatan Statistik Uji Glesjer
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1Constant
-.788 1.376
-.573 .568
Pemas_Relasi .042
.032 .154
1.340 .184
.936 1.068
Kualitas_Pela .003
.016 .020
.176 .860
.936 1.068
a. Dependent Variable: absut
Sumber: Pengolahan Data Primer kuesioner dengan SPSS 17.00, 2010
Tabel 4.11 dapat kita lihat bahwa data pada penelitian skripsi ini hasil uji signifikan variabel Pemasaran Relasional adalah sebesar 0,184; hasil uji signifikan
pada variabel Kualitas Pelayanan adalah sebesar 0,860. Hasil analisis instrumen heteroskedastisitas pada penelitian skripsi ini menunjukkan bahwa masing-masing
Universitas Sumatera Utara
variable dependent Pemasaran Relasional dan Kualitas Pelayanan menunjukkan nilai lebih besar dari 5, sehingga dapat disimpulkan bahwa data pada penelitian
ini tidak terdapat adanya heteroskedastisitas dalam model regresi. Uji heteroskedastisitas dapat juga dilihat melalui gambar scatterplot.
Gambar 4.2 adalah gambar scatterplot yang dapat mengindikasi ada atau tidaknya gejala heteroskedastisitas. Suatu model regresi jika dianalisis dengan pendekatan
grafik, tidak terkena heteroskedastisitas apabila pada grafik scatterplot terlihat titik-titik yang menyebar secara acak dan tidak membentuk suatu pola tertentu
Situmorang et al. 2008: 68.
Gambar 4.2 Scatterplot Dependent Variable Loyalitas Pelanggan Sumber: Pengolahan Data Primer kuesioner dengan SPSS 17.00, 2010
Gambar 4.2 menunjukkan bahwa penyebaran residual cenderung tidak teratur, terdapat titik-titik yang berpencar dan tidak membentuk pola tertentu.
Kesimpulan yang dapat diperoleh adalah tidak terdapat gejala heteroskedastisitas pada model regresi penelitian skripsi ini.
Universitas Sumatera Utara
D. Analisis Regresi Berganda