Uji Asumsi Klasik. HASIL DAN PEMBAHASAN

Regression Standardized Residual 2 -2 -4 Frequency 15 10 5 Histogram Dependent Variable: Kepuasan_Konsumen Mean =2.39E-15฀ Std. Dev. =0.974฀ N =97 21,6 menjawab kurang setuju, 43 responden 43,3 menjawab setuju dan 28 responden 28,9 menjawab sangat setuju. 7. Pernyataan 7 menyatakan “kenyamanan tempat Rumah Makan Zam-Zam Medan” Diketahui bahwa 6 responden 6,2 menjawab sangat tidak setuju, 17 responden 17,5 menjawab tidak setuju, 21 responden 21,6 menjawab kurang setuju, 36 responden 36,2 menjawab setuju dan 18 responden 18,6 menjawab sangat setuju.

4.3. Uji Asumsi Klasik.

1. Uji Normalitas

Uji normalitas yaitu untuk mengetahui distribusi sebuah data mengikuti atau mendekati distribusi normal, yaitu distribusi data dengan bentuk lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yaitu distribusi data tersebut tidak menceng ke kiri atau ke kanan. Normalitas sebuah data dapat diuji dengan menggunakan pendekatan, sebagai berikut : a. Pendekatan Histogram Gambar 4.1: Hasil Uji Normalitas Histogram Sumber: Pengolahan data primer menggunakan SPSS 15.0 for windows, 2012. Universitas Sumatera Utara Universitas Sumatera Utara Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 Expect ed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 Normal P-P Plot of Regression Standardized Residual Dependent Variable: Kepuasan_Konsumen Pada grafik histogram dapat dilihat bahwa variabel berdistribusi normal yang ditunjukkan oleh distribusi data tersebut tidak menceng ke kanan dan menceng ke kiri. b. Pendekatan Grafik Cara lain untuk melihat uji normalitas adalah dengan grafik yang dinamakan Normal P-P Plot dengan cara melihat titik-titik di sepanjang garis diagonal. Data berdistribusi normal terlihat pada titik yang mengikuti data di sepanjang garis diagonal. Gambar 4.2. Hasil Uji Normalitas P-P Plot Sumber : Pengolahan data primer menggunakan SPSS 15,0 for windows 2012 Pada scatter plot terlihat titik yang mengikuti data di sepanjang garis diagonal. Untuk memastikan apakah data disepanjang garis diagonal berdistribusi normal maka dilakukan uji kolmogorov smirnov 1 sample KS, seperti yang terlihat pada Tabel. 4.10. Universitas Sumatera Utara Universitas Sumatera Utara One-Sample Kolmogorov-Smirnov Test 97 ,0000000 1,35360568 ,058 ,029 -,058 ,574 ,896 N Mean Std. Deviati on Normal Parameters a,b Absolute Positive Negati ve Most Extrem e Di fferences Kolmogorov-Sm irnov Z As ymp. Sig. 2-tailed Unstandardiz ed Res idual Test di stribution is Norm al. a. Calculated from data. b. Tabel 4.11 Sumber: Pengolahan data primer menggunakan SPSS 15.0 for windows 2012. Pada Tabel 4.11 terlihat bahwa nilai Asymp. Sig.2-tailed adalah 0,896 dan di atas nilai signifikan 0,05, berarti variabel residual berdistribusi normal.

2. Uji Multikolinearitas

Tujuan uji multikolinearitas digunakan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas dengan variabel terikat. Untuk mendeteksi adanya multikolinearitas digunakan ketentuan sebagai berikut. Jika nilai Variance Inflation Factor VIF tidak lebih besar dari 10 dan nilai Tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinearitas. Universitas Sumatera Utara Universitas Sumatera Utara Regression Studentized Residual 2 -2 -4 R egressi on S tandardi zed P redi ct ed V al ue 3 2 1 -1 -2 -3 Scatterplot Dependent Variable: Kepuasan_Konsumen Coefficients a -4,076 3,475 -1,173 ,244 ,889 ,147 ,462 6,068 ,000 ,847 1,181 ,105 ,084 ,090 1,253 ,214 ,939 1,064 ,338 ,132 ,188 2,551 ,012 ,899 1,112 ,211 ,134 ,114 1,573 ,119 ,931 1,074 ,444 ,125 ,280 3,560 ,001 ,793 1,261 Constant Kehandalan Daya_Tanggap Jaminan Empati Bukti_Fisik Model 1 B Std. Error Unstandardized Coeffic ients Beta Standardiz ed Coeffic ients t Sig. Tolerance VIF Collinearity Statistic s Dependent Variable: Kepuasan_Konsumen a. Tabel 4.12 Sumber: Pengolahan data primer kuesioner, 2012. Jika nilai Variance Inflation Factor VIF tidak lebih besar dari 10 dan nilai Tolerance tidak kurang dari 0,1 dan nilai VIF Penelitian 10, maka dapat disimpulkan semua data variabel tidak terkena multikolinearitas.

3. Uji Heteroskedastisitas

Uji heteroskedastisitas yaitu untuk melihat terjadi ketidaksamaan varians dasar residual pengamatan yang lain. Model yang paling baik adalah tidak terjadi heteroskedastisitas. Cara mendeteksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat pada Scatterplot. Sumber: Pengolahan data primer menggunakan SPSS 15.0 for windows, 2012 Gambar 4.3. Hasil Uji Heteroskedastisitas Universitas Sumatera Utara Universitas Sumatera Utara Coeffi cients a -4, 076 3,475 -1, 173 ,244 ,889 ,147 ,462 6,068 ,000 ,105 ,084 ,090 1,253 ,214 ,338 ,132 ,188 2,551 ,012 ,211 ,134 ,114 1,573 ,119 ,444 ,125 ,280 3,560 ,001 Const ant Kehandalan Daya_Tanggap Jaminan Em pat i Bukti_Fisik Model 1 B St d. E rror Unstandardized Coeffic ients Beta St andardiz ed Coeffic ients t Sig. Dependent Variable: Kepuasan_Konsum en a. Dari Scatterplot di atas, terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model layak dipakai untuk memprediksi kepuasan konsumen.

4.4. Regresi Linier Berganda