sedangkan rata-rata terendah sebesar 3,2 adalah dapat di akses 24 jam, artinya terkadang website scc.stikom.edu terhambat jika ingin di akses pada jam jam
tertentu entah terjadi error atau server yang sedang down.
4.4 Uji Asumsi
Sebuah model regresi digunakan untuk melakukan peramalan. Sebuah model yang baik adalah model dengan kesalahan peramalan yang seminimal
mungkin. Oleh karena itu sebelum digunakan, model seharusnya memenuhi beberapa asumsi. Asumsi untuk model regresi linear berganda adalah normalitas,
linearitas, multikolinearitas, heterokedasitisitas, dan autokorelasi.
4.4.1 Uji Normalitas
Penggunaan model regresi untuk peramalan akan menghasilkan kesalahan atau residu, yaitu selisih antara data aktual dan data hasil peramalan. Residu yang
ada seharusnya berdistribusi normal. Untuk melihat apakah data residu berdistribusi normal dapat dilakukan menggunakan diagram Normal Probability
Plot P-Plot seperti Gambar 4.2.
Gambar 4.2 Hasil Uji Normalitas
Pada Gambar 4.2 terlihat bahwa data tersebar di dekat garis diagonal dan tidak ada data pencilan atau data yang jauh dari garis diagonal. Berdasarkan
diagram P- Plot tersebut, maka data yang ada dapat dinyatakan berdistribusi normal dan model regresi telah memenuhi asumsi normalitas.
4.4.2 Uji Multikolinearitas
Uji multikolinearitas yang digunakan dalam penelitian ini adalah dengan melihat nilai Tolerance dan VIF pada model regresi. Metode pengambilan
keputusan yaitu jika semakin kecil nilai Tolerance dan semakin besar nilai VIF maka semakin mendekati terjadinya masalah multikolinearitas. Dalam kebanyakan
penelitian menyebutkan bahwa jika Tolerance lebih dari 0,1 dan VIF kurang dari 10 maka tidak terjadi multikolinearitas. Output dari uji multikolinearitas dengan
menggunakan aplikasi SPSS terdapat pada Tabel 4.16. Tabel 4.16 Hasil Uji Multikolinearitas
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
.271 .501
.540 .591
Usability .404
.125 .347 3.220
.002 .739
1.353 Information
Quality .377
.148 .304 2.547
.013 .604
1.655 Service
Interaction .146
.162 .104
.899 .372
.645 1.550
a. Dependent Variable: User Satisfaction
Dari tabel 4.16 di atas dapat diketahui bahwa nilai Tolerance dari ketiga variabel independen lebih dari 0,1 dan nilai VIF kurang dari 10, jadi dapat
disimpulkan bahwa tidak terjadi masalah multikolinearitas pada model regresi.
4.4.3 Uji Heterokedastisitas
Model regresi yang baik adalah model yang tidak mengalami heteroskedastisitas. Uji heteroskedastisitas pada penelitian ini menggunakan grafik
Scatterplot. Jika didalam grafik terlihat tanda titik tersebar tidak beraturan dan tidak menunjukkan pola tertentu, maka terjadi homoskadastisitas dengan kata lain tidak
terjadi heteroskedastisitas. Output dari uji heteroskedastisitas dengan menggunakan aplikasi SPSS dapat dilihat pada gambar 4.3.
Gambar 4.3 Hasil Uji Heteroskedastisitas
Gambar 4.3 menunjukkan bahwa sebaran data tidak membentuk pola tertentu. Oleh karena itu, model regresi linear berganda yang digunakan dalam
penelitian Tugas Akhir ini bebas dari unsur heterokedasitisitas.
4.4.4 Uji Autokorelasi
