65
4.3 Hasil Uji Asumsi Klasik 4.3.1 Uji normalitas
Pengujian apakah distribusi data normal atau tidak, salah satunya dengan menggunakan analisis grafik. Cara yang paling sederhana adalah dengan melihat
histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal sebagaimana Gambar 4.1 berikut:
Gambar 4.1 Grafik Histogram
Dengan melihat tampilan grafik histogram, dapat disimpulkan bahwa grafik histogram memberikan pola distribusi normal.Hal ini ditunjukkan oleh distribusi
data tersebut tidak menceng ke kiri atau menceng ke kanan.Namun demikian dengan hanya melihat histogram, hal ini dapat memberikan hasil yang meragukan
khususnya untuk jumlah sampel kecil. Metode yang handal adalah dengan melihat normal probability plot
, dimana pada grafik normal plot terlihat titik-titik menyebar disekitar garis diagonal serta penyebarannya mengikuti arah garis
diagonal, sebagaimana ditampilkan pada Gambar 4.2 berikut:
Universitas Sumatera Utara
66
Gambar 4.2 Grafik Normal Probability Plot
Berdasarkan grafik normal plot terlihat titik-titik menyebar tidak jauh dari garis diagonal.Hal ini menunjukkan bahwa grafik pola distribusi normal, maka
model regresi memenuhi asumsi normalitas. Dalam uji normalitas residual dengan grafik dapat menyesatkan apabila tidak hati-hati secara visual kelihatan normal,
oleh karena itu untuk melengkapi uji grafik dilakukan juga uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik
Kolmogorov-Smirnov K-S dapat dilihat pada Tabel 4.11 berikut:
Universitas Sumatera Utara
67
Tabel 4.11 One- Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 35
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .50574158
Most Extreme Differences Absolute
.110 Positive
.105 Negative
-.110 Kolmogorov-Smirnov Z
.652 Asymp. Sig. 2-tailed
.790 a. Test distribution is Normal.
b. Calculated from data.
Berdasarkan Tabel 4.11 mengindikasikan bahwa data mempunyai distribusi normal, dimana berdasarkan nilai signifikan Kolmogorov-Smirnov menunjukkan
nilai lebih besar 0,05 yang mempunyai nilai signifikan 0,790 maka dapat dinyatakan bahwa data mempunyai distribusi normal.
4.3.2 Uji Multikolinearitas
Mendeteksi ada tidaknya gejala multikolinearitas antar variabel independen pada model persamaan pertama digunakan variance inflation factor VIF.
Berdasarkan hasil yang ditunjukkan dalam output SPSS maka besarnya VIF dari masing-masing variabel independen dapat dilihat pada Tabel 4.12 sebagai berikut:
Universitas Sumatera Utara
68
Tabel 4.12 Hasil Perhitungan VIF
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Inovasi
.043 3.520
Tangible .067
4.999 Emphaty
.119 3.422
Responsiveness .104
3.585 Reliability
.090 2.089
Assurance .085
1.722 a. Dependent Variable: Loyalitas Pelanggan
Berdasarkan Tabel 4.12 diatas menunjukkan bahwa kedua variabel independen tidak terjadi multikolinearitas karena nilai VIF 5,0. Sehingga
dapat disimpulkan tidak terdapat pengaruh antar variabel independen.Dengan demikian variabel independen Inovasi dan Kualitas Pelayanan tangible,
emphaty , responsiveness, reliability, dan assurance dapat digunakan untuk
memprediksi Loyalitas Pelanggan selama periode pengamatan.
4.3.3 Uji Heteroskedastisitas
Berdasarkan output SPSS maka hasil uji heteroskedastisitas dapat ditunjukkan dalam Tabel 4.13 sebagai berikut:
Universitas Sumatera Utara
69
Tabel 4.13 Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
B Std. Error
Beta t
Sig. 1
Constant -.142
.308 -.460
.649 Inovasi
-.009 .056
-.130 -.169
.867 Tangible
-.077 .070
-.680 -1.104
.279 Emphaty
-.086 .063
-.624 -1.352
.187 Responsiveness
.090 .069
.640 1.299
.205 Reliability
.025 .059
.222 .419
.679 Assurance
.104 .062
.913 1.677
.105 a. Dependent Variable: absut
Berdasarkan hasil yang ditunjukkan dalam Tabel 4.13 tersebut nampak bahwa variabel bebas yaitu: Inovasi dan Kualitas Pelayanan tangible, emphaty,
responsiveness , reliability, dan assurance menunjukkan hasil yang tidak
signifikan yaitu terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5, sehingga dapat disimpulkan bahwa variabel tersebut tidak terjadi
heteroskedastisitas dalam varian kesalahan, dan variabel Inovasi dan Kualitas Pelayanan yang digunakan tidak mempengaruhi risidualnya. Untuk menentukan
heteroskedastisitas juga dapat menggunakan grafik scatterplot, titik-titik yang terbentuk harus menyebar secara acak, tersebar baik diatas maupun dibawah
angka 0 pada sumbu Y. Hasil uji heteroskedastisitas dapat dilihat melalui grafik Scatterplot, yang ditunjukkan pada Gambar 4.3 dibawah ini:
Universitas Sumatera Utara
70
Gambar 4.3 Uji Heteroskedastisitas
Grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka nol 0 pada sumbu Y, tidak
berkumpul disatu tempat, serta tidak membentuk pola tertentu sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi dalam
artinya bahwa varian semua variabel ini menunjukkan variabel independen Inovasi dan Kualitas Pelayanan dapat digunakan untuk memprediksi Loyalitas
Pelanggan Café Junodi Medan.
4.4 Regresi Linear Berganda
