4.6.1 Uji Normalitas Data
Pengujian normalitas adalah pengujian tentang kenormalan distribusi data. Uji ini merupakan pengujian yang paling banyak dilakukan untuk analisis statistik
parametrik. Dengan menggunakan metode grafik maka dapat dilihat penyebaran data pada sumber diagonal pada grafik normal P – P Plot of regression standarized
residual. Hasil dari uji normalitas pada regresi dapat dilihat pada gambar 4.1. Dari grafik terlihat bahwa nilai plot P-P terletak disekitar garis diagonal, plot P-P tidak
menyimpang jauh dari garis diagonal sehingga dapat diartikan bahwa distribusi data adalah normal.
Gambar 4.1 Grafik Normal P-P Plot
4.6.2 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 multikolinearita. Hasil dari uji multikolinearitas dengan
menggunakan aplikasi SPSS terdapat pada tabel 4.22.
Tabel 4.22 Multikolinearitas Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig, Collinearity
Statistics B
Std, Error Beta
Tolerance VIF
1 Constant ,687
,306 2,243
,027 Service
Quality X1 -,017
,120 -,013 -,143
,887 ,451 2,217
Information Quality
,844 ,096
,789 8,745 ,000
,451 2,217 a, Dependent Variable: Website Quality
Dari tabel 4.22 di atas dapat diketahui bahwa nilai Tolerance dari kedua
variabel independen lebih dari 0,1 dan nilai VIF kurang dari 10, jadi dapat disimpulkan bahwa tidak terjadi masalah multikolinearitas pada model regresi.
4.6.3 Uji Heteroskedastisitas
Model regresi yang baik adalah model yang tidak mengalami heteroskedastisitas. Asumsi heteroskedastisitas adalah asumsi dalam regresi
dimana varians dari residual tidak sama untuk satu pengamatan ke pengamatan yang lain. Pola yang tidak sama ini ditunjukkan dengan nilai yang tidak sama antar
gejala heteroskedastisitas, sedangkan adanya gejala varians residual yang sama disebut dengan homoskedasititas. Salah satu uji untuk menguji heteroskedastisitas
adalah dengan melihat penyebaran dari varians residual. Dari hasil uji heteroskedastisitas tersebut terlihat bahwa penyebaran residual adalah tidak teratur.
Dengan hasil demikian, kesimpulan yang bisa diambil adalah bahwa tidak terjadi masalah heteroskedastisitas, atau persamaan regresi memenuhi asumsi
heteroskedastisitas. Hasil dari uji heteroskedastisitas dengan menggunakan aplikasi SPSS dapat dilihat pada gambar 4.2.
Gambar 4.2 Heteroskedastisitas Residual
4.6.4 Uji Autokorelasi
Kategori