51
pelayanan ditingkatkan sebesar satu satuan maka minat masyarakatakan meningkat sebesar 0,237.
3. Variabel religius stimuli sebesar 0282, menunjukkan bahwa variabel religius stimuli
berpengaruh positif dan signifikan terhadap minat masyarakat Y. Dengan kata lain, jika variabel religius stimuli ditingkatkan sebesar satu satuan maka minat
masyarakatakan meningkat sebesar 0,282. 4.
Variabel profit sharing sebesar -0,042 menunjukkan bahwa variabel profit sharing berpengaruh positif dan signifikan terhadap minat masyarakat Y. Dengan kata lain,
jika variabel profit sharing ditingkatkan sebesar satu satuan maka minat masyarakatakan meningkat sebesar -0,042.
5. Variabel reputasi sebesar 0,133 menunjukkan bahwa variabel reputasi berpengaruh
positif dan signifikan terhadap minat masyarakat Y. Dengan kata lain, jika variabel reputasi ditingkatkan sebesar satu satuan maka minat masyarakatakan meningkat
sebesar 0,133. 6.
Variabel promosi sebesar 0,185 menunjukkan bahwa variabel promosi berpengaruh positif dan signifikan terhadap minat masyarakat Y. Dengan kata lain, jika variabel
promosi ditingkatkan sebesar satu satuan maka minat masyarakat akan meningkat sebesar 0,185.
7. Variabel lokasi sebesar 0,120 menunjukkan bahwa variabel lokasi berpengaruh positif
dan signifikan terhadap minat masyarakat Y. Dengan kata lain, jika variabel lokasi ditingkatkan sebesar satu satuan maka minat masyarakat akan meningkat sebesar 0,120.
4.8 Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk melihat atau menguji apakah suatu model layak atau tidak digunakan dalam suatu penelitian. Uji asumsi klasik yang dilakukan dalam penelitian
ini adalah sebagai berikut :
52
1. Uji Multikolinieritas
Uji multikolinieritas adalah kondisi terdapat hubungan linier atau korelasi yang tinggi antara masing-masing variabel independen dalam model regresi.Model regresi yang baik
seharusnya tidak terdapat korelasi diantara variabel independen. Deteksi untuk mengetahui ada tidaknya gejala multikolinieritas dalam model regresi penelitian ini dapat dilakukan
dengan cara melihat Variance Inflation Factor VIF dan nilai tolerance. Menurut Situmorang 2008:104 Tolerancemengukur variabilitas variabel independen yang terpilih
yang tidak dijelaskan oleh variabel independen lainnya. Jika nilai Tolerance 1 atau nilai VIF 5, maka dikatakan tidak terjadi multikolinearitas. Hasil pengolahan dapat dilihat pada
Tabel 4.11 berikut ini:
53
Tabel 4.11 Hasil
Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std.
Error Beta
Tolerance VIF
1 Constant
.804 .396
2.029 .045
Pelayanan .237
.053 .341
4.508 .000
.308 3.250
Religius Stimuli .282
.061 .375
4.641 .000
.270 3.706
Profit Sharing -.042
.054 -.056
-.778 .439
.341 2.934
Reputasi .133
.030 .217
4.484 .000
.750 1.334
Promosi .185
.040 .282
4.591 .000
.466 2.146
Lokasi .120
.035 .206
3.468 .001
.498 2.007
a. Dependent Variable: Minat
Sumber : hasil penelitian 2015 data diolah
Pada Tabel terlihat bahwa nilai tolerance dari variabel pelayanan, religius stimuli, profit sharing, reputasi, promosi, lokasi 0,1 dan nilai VIF 5 yang artinya tidak terjadi masalah
multikolinearitas pada masing-masing variabel bebasnya. 1.
Uji Heteroskedastisitas. Uji heteroskedastisitas bertujuan untuk menguji apakah dalam sebuah model regresi
terjadi ketidaksamaan varians dari residual dari satu pengamatan satu ke pengamatan yang lain..Berikut ini hasil Output SPSS untuk Uji Heteroskedastisitas.
54
Tabel 4.12 Hasil
Uji Heteroskedastisitas
Correlations
Pelayanan Religius
Stimuli Profit
sharing Reputasi
Promosi Lokasi
abs
Spearmans rho
Pelayanan Correlation
Coefficient 1.000
.798 .735
.261 -.036
.014 .076
Sig. 2-tailed .
.000 .000
.009 .722
.891
.455
N 98
98 98
98 98
98 98
Religius Stimuli
Correlation Coefficient
.798 1.000
.718 .281
-.046 .046
.013 Sig. 2-tailed
.000 .
.000 .005
.650 .656
.900
N 98
98 98
98 98
98 98
Profit sharing
Correlation Coefficient
.735 .718
1.000 .163
-.005 -.056 -.020
Sig. 2-tailed .000
.000 .
.108 .963
.582 .844
N 98
98 98
98 98
98 98
Reputasi Correlation
Coefficient .261
.281 .163
1.000 .339
.304 .085
Sig. 2-tailed .009
.005 .108
. .001
.002 .406
N 98
98 98
98 98
98 98
Promosi Correlation
Coefficient -.036
-.046 -.005
.339 1.000
.665 .019
Sig. 2-tailed .722
.650 .963
.001 .
.000 .853
N 98
98 98
98 98
98 98
Lokasi Correlation
Coefficient .014
.046 -.056
.304 .665
1.000 -.084 Sig. 2-tailed
.891 .656
.582 .002
.000 .
.410
N 98
98 98
98 98
98 98
Abs Correlation
Coefficient .076
.013 -.020
.085 .019
-.084 1.000 Sig. 2-tailed
.455 .900
.844 .406
.853 .410
. N
98 98
98 98
98 98
98
. Correlation is significant at the 0.01 level 2-tailed.
Pada tabel terlihat bahwa pengujian menggunakan tingkat signifikansi 0,05. Jika korelasi antara variabel independen dengan residual diperoleh tingkat signifikansi lebih dari
0,05 maka dapat dikatakan bahwa tidak terjadi masalah heteroskedastisitas pada model
55
regresi. Dari Tabel diatas dapat diketahui bahwa nilai korelasi masing-masing variabel yakni: 0.455; 0.900; 0.844; 0.406; 0.853; 0.410, maka dapat disimpulkan bahwa tidak terdapat
gejala heterokedastisitas, sehingga model regresi layak dipakai untuk memprediksi minat masyarakat menjadi nasabah Asuransi syariah.
2. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah nilai residual berdistribusi normal atau tidak, yang dapat dilakukan melalui beberapa pendekatan yaitu :
a. Pendekatan histogram
Gambar 4.6 Histogram
Hasil penelitian 2015 data diolah
Pada grafik histogram dikatakan variabel berdistribusi normal pada grafik histogram yang berbentuk seperti lonceng apabila distribusi tersebut tidak menceng
ke kiri atau tidak menceng ke kanan Situmorang 2014:114. Pada grafik histogram terlihat bahwa variabel terdistribusi normal.Hal ini
ditunjukkan oleh distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan.
56
b. Pendekatan Kolmogorov-Smirnov Untuk memastikan apakah data berdistribusi normal maka dapat dilakukan dengan
menggunakan pendekatan kolmogorov-smirnov 1 sampel KS dengan melihat data residunya apakah berdistribusi normal atau tidak Situmorang 2014:119.
Tabel 4.13 Hasil Uji Kolmogorov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 98
Normal Parameters
a,b
Mean .0000000
Std. Deviation .22244857
Most Extreme Differences Absolute
.097 Positive
.097 Negative
-.067 Kolmogorov-Smirnov Z
.965 Asymp. Sig. 2-tailed
.309 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil penelitian 2015 data diolah
Dasar pengambilan keputusan untuk Kolmogorov-Smirnov yaitu nilai value pada kolom Asymp. Sig
lebih besar dari level of signifikan α = 5, mkaa tidak mengalami gangguan distribusi normal. Melalui tabel 4.13 terlihat bahwa nilai
Asymp. Sig 2-tailed adalah 0,309 dan diatas nilai signifikan 0,05. Dapat disimpulkan bahwa data residual berdistribusi normal. Nilai Kolmogorov-Smirnov
Z dari tabel 4.13 Yaitu 0,965 dan lebih kecil dari 1,97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empiric atau dengan kata lain data dikatakan
normal.
4.9 Test Goodness Of Fit
