setuju, 48 orang 48,5 memilih setuju, yang menjawab ragu-ragu adalah sebanyak 20 orang 20,2 selebihnya menjawab tidak setuju sebanyak 6 orang 6,1 .
Tanggapan responden terhadap pertanyaan mahasiswa memanfaatkan perpustakaan secara rutin adalah sebanyak sebanyak 24 orang 24.2 sangat
setuju, 55 orang 55.6 memilih setuju, yang menjawab ragu-ragu adalah sebanyak 8 orang 8,1 selebihnya menjawab tidak setuju sebanyak 12 orang 12,1 .
4.1.8 Pengujian Asumsi Klasik
4.1.8.1 Uji Normalitas
Untuk pengujian normalitas data dalam penelitian ini dideteksi dengan analisa grafik yang dihasilkan melalui perhitungan regresi dengan SPSS. Hasil pengujian
norrmalitas dapat dilihat pada Gambar 4.2 dan Gambar 4.3 berikut ini :
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Expect ed Cu
m P
rob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Kepuasan
Sumber : Hasil Penelitian 2007 Data diolah Gambar 4.2 Uji Normalitas Kepuasan
Universitas Sumatera Utara
Sumber : Hasil Penelitian 2007 Data diolah Gambar 4.3. Uji Normalitas Loyalitas
Berdasarkan Gambar 4.2 dan Gambar 4.3 tersebut, dapat disimpulkan bahwa
data yang digunakan menunjukan indikasi normal atau model regresi tidak memenuhi asumsi-asumsi normalitas. Santoso 2001 menyatakan bahwa “Jika data menyebar
disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas, dan sebaliknya apabila data menyebar jauh dari garis
diagonal danatau tidak mengikuti garis diagonal, maka model regresi tidak memenuhi asumsi-asumsi normalitas”.
4.1.8.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel kepuasan mahasiswa. Jika terjadi korelasi,
maka terdapat masalah multikolinearitas sehingga model regresi tidak dapat digunakan.
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Ex pe
ct ed C
um Pr ob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Loyalitas
Universitas Sumatera Utara
Menurut Ghozali 2005 menyatakan bahwa untuk mendeteksi gejala-gejala terjadinya multikolinearitas dapat dilakukan dengan melihat 1 Nilai R Square dan
2 Nilai tolerance dan Variance in inflation factor VIF dengan pedoman sebagai berikut :
VIF 10 maka diduga mempunyai persoalan multikolinearitas VIF 10 maka tidak terdapat multikolinearitas
Berdasarkan hasil pengolah SPSS, data yang diperoleh melalui kuesioner, dapat dilihat pada Tabel 4.13
Tabel 4.13 Hasil Uji Multikolinearitas dengan Nilai Tolerance dan Variance Inflation Factor VIF
Collinearity Statistics Model
Tolerance VIF
Constant X2
X2 X3
X4 X5
.212 .132
.151 .134
.267 4.717
7.578 6.604
7.455 3.743
Sumber : Hasil Penelitian 2007 Data diolah Ghozali 2005 menyatakan ”Untuk melihat gejala multikolinearitas dapat
dilihat dari R Square yang dihasilkan suatu estimasi model regresi sangat tinggi”. Jika antar variabel kualitas pelayanan ada korelasi tinggi umumnya di atas 0.90, maka
hal ini merupakan indikasi adanya multikolinearitas. Dari Tabel 4.13 di atas angka variance inflation factor VIF lebih kecil dari 10
dan nilai tolerance mendekati 1. Hal ini membuktikan bahwa model regresi yang
digunakan dalam penelitian ini tidak memiliki masalah multikolinearitas.
Universitas Sumatera Utara
4.1.8.3 Uji Heterokedastisitas
Sebuah model regresi yang baik adalah apabila tidak terjadi heteroskedastisitas, artinya varians dari residual satu pengamatan lainnya tidak tetap atau berbeda.
Apabila sama maka disebut heteroskedastisitas. Untuk mengetahui hal ini digunakan alat bantu SPSS, yang hasilnya dapat dilihat pada Gambar 4.4 dan 4.5
Regression Standardized Predicted Value
3 2
1 -1
-2 -3
Ke puasan
15.00 12.50
10.00 7.50
5.00
Scatterplot Dependent Variable: Kepuasan
Sumber : Hasil Penelitian 2007 Data diolah Gambar 4.4 Hasil Uji Heteroskedastisitas Kepuasan
Sumber : Hasil Penelitian 2007 Data diolah Gambar 4.5 Hasil Uji Heteroskedastisitas Loyalitas
Regression Standardized Predicted Value
2 1
-1 -2
-3
Loy alita
s
15.00 12.50
10.00 7.50
5.00
Scatterplot Dependent Variable: Loyalitas
Universitas Sumatera Utara
Pada Gambar 4.4 dan 4.5 dapat dilihat adanya penyebaran titik-titik secara acak baik di atas maupun di bawah angka 0 dan sumbu Y, serta tidak membentuk pola
tertentu. Menurut Santoso 2001 “Apabila tidak terdapat pola tertentu yang teratur serta titik-titik menyebar di atas dan di bawah angka 0 dan sumbu Y, maka tidak
terjadi heteroskedastisitas”. Dengan demikian dapat disimpulkan bahwa model regresi layak dipakai untuk memprediksi loyalitas mahasiswa terhadap masukan dari
variabel kepuasan. 4.2 Pembahasan
4.2.1 Pengujian hipotesis 4.2.1.1 Hipotesis Pertama