Unstandardized Residual
N 100
Normal Parameters
a,b
Mean 0E-7
Std. Deviation
2.17350762 Most Extreme
Differences Absolute
.102 Positive
.083 Negative
-.102 Kolmogorov-Smirnov Z
1.015 Asymp. Sig. 2-tailed
.254
a. Test distribution is Normal. b. Calculated from data.
Sumber: Data primer diolah peneliti 2013
Berdasarkan Tabel 4.11 dapat dilihat bahwa nilai Asymp. Sig. 2- tailed
adalah 0.254 dan di atas nilai signifikansi 0.05, dengan kata lain variabel residual berdistribusi normal.
4.2.2.2 Uji 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. Untuk menguji heteroskedastisitas dapat dilakukan dengan 2 dua model, yaitu:
1 Model Pendekatan Grafik
Kriteria keputusan: a
Jika diagram pencar yang ada membentuk pola-pola tertentu yang teratur maka regresi mengalami gangguan heteroskedastisitas.
Universitas Sumatera Utara
b Jika diagram pencar yang ada tidak membentuk pola-pola tertentu yang
teratur maka regresi tidak mengalami gangguan heteroskedastisitas.
Sumber: Data primer diolah peneliti 2013 Gambar 4.4
Scatterplot Heteroskedastisitas
Dari Gambar 4.4 dapat dilihat bahwa penyebaran residual cenderung tidak teratur, terdapat titik-titik yang berpencar dan tidak membentuk pola.
Kesimpulan yang dapat diperoleh adalah tidak terdapat gejala heteroskedastisitas, sehingga model regresi layak dipakai untuk
memprediksi variabel dependen, berdasarkan masukan dari variabel independen.
2 Model Pendekatan Statistik Dengan Uji Glejser
Kriteria keputusan: a
Jika probabilitas 0.05 maka tidak mengalami gangguan heteroskedastisitas.
Universitas Sumatera Utara
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
1.471 1.267
1.161 .248
DayaTanggap -.004
.056 -.007
-.073 .942
Empati .011
.077 .014
.139 .890
a. Dependent Variable: absut
Sumber: Data primer diolah peneliti 2013
Berdasarkan Tabel 4.12 dapat dilihat bahwa kolom Sig. Pada tabel koefisien regresi untuk variabel independen adalah 0.942 dan 0.890 atau
probabilitas lebih besar dari 0.05 maka tidak terjadi gangguan heteroskedastisitas. Hal ini menunjukkan semua variabel independen yang
signifikan secara statistik mempengaruhi variabel dependen absolute Ut
absUt. 4.2.2.3 Uji Multikolinearitas
Artinya variabel independen yang satu dengan yang lain dalam model regresi berganda tidak saling berhubungan secara sempurna atau mendekati
sempurna. Untuk mengetahui ada tidaknya gejala multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor melalui
program SPSS versi 20.00 for windows. Tolerance mengukur variabilitas variabel terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai umum yang
biasa dipakai adalah nilai Tolerance 0.1 atau nilai VIF 5, maka tidak terjadi multikolinearitas Situmorang dan Lufti,2011:162.
Universitas Sumatera Utara
Tabel 4.13 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error
Beta Tolerance
VIF 1
Constant 4.976
1.797 2.769
.007 DayaTanggap
.432 .079
.474 5.440 .000
1.000 1.000
Empati .262
.109 .209 2.404
.018 1.000
1.000
a. Dependent Variable: Loyalitas
Sumber: Data primer diolah peneliti 2013
Dari Tabel 4.13 dapat dilihat bahwa variabel independen memiliki nilai Tolerance 1.0 dan 1.0 0.1 maka tidak terjadi multikolinearitas,
demikian pula jika dilihat dari nilai VIF 1.0 dan 1.0 5 berarti tidak terjadi multikolinearitas pada variabel independen.
4.2.3 Analisis Regresi Linier Berganda
