Uji Asumsi Klasik Persamaan II 1. Uji Normalitas
Tabel 4.24 Pengujian Koefisien Determinasi R
2
Persamaan I
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
1 .885
a
.783 .756
.72605
a. Predictors: Constant, Empati, Kualitas_Produk, Bukti_Fisik, Lokasi, Harga, Daya_Tanggap, Kehandalan, Jaminan
b. Dependent Variable: Kepuasan
Sumber: Hasil Pengolahan Data Primer Kuesioner, SPSS 17.00, 2014
Berdasarkan Tabel 4.24 dapat terlihat bahwa nilai R sebesar 0.885 berarti hubungan antara kualitas produk, harga, lokasi, bukti fisik, kehandalan, daya
tanggap, jaminan, dan empati terhadap kepuasan konsumen Mie Ayam Jamur Jln. DI.Panjaitan Medan sebesar 88,5 artinya hubungannya sangat erat.
Adjusted R Square sebesar 0.756 berarti hubungan antara kualitas produk, harga, lokasi, bukti fisik, kehandalan, daya tanggap, jaminan, dan empati terhadap
kepuasan konsumen Mie Ayam Jamur Jln. DI.Panjaitan Medan sebesar 75,6 dan sisanya 24,4 dapat dijelaskan oleh faktor-faktor lain yang tidak diteliti dalam
penelitian ini.
4.6. Uji Asumsi Klasik Persamaan II 4.6.1. Uji Normalitas
Tiga pendekatan yang digunakan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal yaitu pendekatan
histogram, pendekatan grafik, dan pendekatan Kolmogorv-Smirnov.
Universitas sumatera utara
1. Pendekatam Histogram Pendekatan ini menganalisis grafik histogram di mana data yang baik
adalah data yang mempunyai pola berbentuk lonceng, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan.
Ga mbar 4.4
Histogram
Sumber: Hasil Pengolahan Data Primer Kuesioner, SPSS 17.00, 2014
Universitas sumatera utara
Grafik histogram pada Gambar 4.4 Menunjukkan bahwa distribusi data yang berbentuk lonceng tidak menceng ke kiri atau menceng ke kanan. Oleh
karena itu, data dikatakan berdistribusi normal. 2. Pendekatan Grafik
Pendekatan ini melihat uji normalitas dengan melihat titik-titik di sepanjang garis diagonal. Pada scatter plot, titik yang mengikuti data di sepanjang
garis normal berarti data berdistribusi normal.
Gambar 4.5 Normal Probability Plots
Sumber: Hasil Pengolahan Data Primer Kuesioner, SPSS 17.00, 2014 Gambar 4.5 menunjukkan bahwa titik-titik yang ada mengikuti data di
sepanjang garis diagonal. Oleh karena itu, data dikatakan berdistribusi normal.
Universitas sumatera utara
3. Pendekatan Kolmogorov-Smirnov Pendekatan ini memastikan data di sepanjang garis diagonal berdistribusi
normal dengan melihat data residualnya apakah berdistribusi normal atau tidak.
Tabel 4.25
b. Calculated from data.
Sumber: Hasil Pengolahan Data Primer Kuesioner, SPSS 17.00, 2014 Pada Tabel 4.25 terlihat bahwa nilai Asymp.Sig.2-tailed adalah 0,105 di
mana angka ini di atas nilai signifikan 0.05 dan nilai Kolmogrov-Smirnov lebih kecil dari 1,97. Dengan kata lain variabel residual berdistribusi normal.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 75
Normal Parameters
a
Mean .0000000
Std. Deviation 1.01004459
Most Extreme Differences Absolute
.140 Positive
.073 Negative
-.140 Kolmogorov-Smirnov Z
1.213 Asymp. Sig. 2-tailed
.105 a. Test distribution is Normal.
Universitas sumatera utara
4.6.2.Uji Multikolinearitas
Untuk mendekteksi multikolinearitas pada data dapat digunakan dengan melihat nilai Tolerance dan Variance Inflation Factor VIF, dengan kriteria
sebagai berikut: 1. VIF 5 maka diduga mempunyai persoalan multikolinearitas.
2. VIF 5 maka tidak terdapat multikolinearitas. 3. Tolerance 0,1 maka diduga mempunyai persoalan multikolinearitas.
4. Tolerance 0,1 maka tidak dapat terdapat multikolineraitas.
Tabel 4.26
Model Collinearity Statistics
B Tolerance
VIF 1
Constant .858
kepuasan .434
1.000 1.000
a. Dependent Variable: Minat.Beli.Ulang
Sumber: Hasil Pengolahan Data Primer Kuesioner, SPSS 17.00, 2014 Pada Tabel 4.26 terlihat bahwa nilai Tolerance semua variabel independen
adalah besar dari nilai 0,1 dan nilai VIF semua variabel independen adalah lebih kecil dari nilai ketetapan 5. Oleh karena itu, data dalam penelitian ini dikatakan
tidak mengalami masalah multikolinearitas.
Universitas sumatera utara
4.6.3.Uji Heteroskedastisitas
Ada dua cara untuk mendeteksi keberadaan heteroskedastisitas, yaitu metode informal Grafik Scatterplot dan metode formal Uji Glejser.
1. Grafik Scatterplot Pada metode grafik, sumbu vertikal menjelaskan nilai prediksi disturbance
term error dan sumbu horisontal menjelaskan niai prediksi variabel regression.
Gambar 4.6 Scatterplot
Sumber: Hasil Pengolahan Data Primer Kuesioner, SPSS 17.00, 2014 Gambar 4.6 Scatterplot di atas menunjukkan bahwa titik-titik yang ada
menyebar secara acak, tersebar baik di atas maupun di bawah angka nol pada sumbu Y dan tidak membentuk sebuah pola tertentu yang jelas. Oleh karena itu,
model regresi dikatakan tidak mengalami heteroskedastisitas
Universitas sumatera utara
2. Uji Glejser
Tabel 4.27 Uji Glajser
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant .621
.846 .735
.465 Kepuasan
.011 .052
.025 .210
.834 a. Dependent Variable: absut
Sumber: Hasil Pengolahan Data Primer Kuesioner, SPSS 17.00, 2014 Pada Tabel 4.27 terlihat bahwa tidak ada variabel bebas atau variabel
independen yang signifikan secara statistik mempengaruhi variabel terikat atau variabel dependen. Hal ini ditunjukkan dari nilai Sig. variabel-variabel bebas yang
lebih besar dari nilai signifikan 0,05. Jadi, model regresi tidak mengalami heteroskedastisitas.
4.7 Pengujian Hipotesis Untuk Persamaan II 4.7.1