Tabel 4.8
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 100
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 1.80471723
Most Extreme Differences Absolute
.092 Positive
.092 Negative
-.084 Kolmogorov-Smirnov Z
.923 Asymp. Sig. 2-tailed
.361 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil penelitian, 2013 data diolah
Situmorang 2012 memaparkan bahwa dasar pengambilan keputusan untuk Kolmogorov Smirnov yaitu nilai value pada
kolom Asymp. Sig lebih besar dari level of significant α = 5,
maka tidak mengalami gangguan distribusi normal. Melalui Tabel 4.8 terlihat bahwa nilai Asymp. Sig. 2-tailed adalah 0,361 dan
diatas nilai signifikan 0,05. Dapat disimpulkan bahwa data residual berdistribusi normal. Nilai kolmogorov-smirnov Z dari
Tabel 4.8 yaitu 0,923 dan lebih kecil dari 1,97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empiric atau
dengan kata lain data dikatakan normal.
2. Uji Heterokedastisitas
Heterokedastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Dengan kata lain,
heterokedastisitas terjadi jika residual tidak memiliki varian yang konstan.
Universitas Sumatera Utara
Alat untuk menguji heterokedastisitas dapat dibagi dua yaitu dengan alat analisis grafik scatter plot atau dengan pendekatan statistik yang disebut
sebagai Uji Glejser Situmorang, 2012. a.
Uji Glejser Kriteria pengambilan keputusannya adalah sebagai berikut:
1. Jika nilai signifikasi 0,05, maka tidak mengalami gangguan
heterokedastisitas. 2.
Jika nilai signifikansi 0,05, maka mengalami gangguan heterokedastisitas.
Tabel 4.9
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta
1 Constant
1.176 1.102
1.067 .289
MK -.145
.107 -.147
-1.358 .177
MS .019
.048 .043
.403 .688
IS .077
.062 .126
1.247 .215
a. Dependent Variable: absut
Sumber: Hasil penelitian, 2013 data diolah
Pada Tabel 4.9 menunjukkan tidak adanya masalah heterokedastisitas, dimana hasil uji signifikan variabel pemasaran relasional yang terdiri dari manfaat
keuangan, manfaat sosial, dan ikatan struktural menunjukkan nilai lebih besar dari 0,05. Jadi dapat disimpulkan tidak terdapat adanya heterokedastisitas dalam model
regresi.
Universitas Sumatera Utara
b. Pendekatan Grafik
Heterokedastisitas dapat juga dilihat melalui gambar scatterplot. Gambar scatterplot dapat mengindikasi ada atau tidaknya gejala
heterokedastisitas. Apabila grafik membentuk pola-pola tertentu yang teratur maka regresi mengalami gangguan heterokedastisitas. Jika
grafik tidak membentuk pola atau acak maka regresi tidak mengalami gangguan heterokedastisitas Situmorang, 2012.
Gambar 4.4 Scatter plot heterokedastisitas Sumber: Hasil penelitian, 2013 data diolah
Gambar 4.4 menunjukkan bahwa penyebaran residual cenderung tidak teratur, terdapat titik-titik yang berpencar dan tidak membentuk pola. Kesimpulan
yang dapat diperoleh adalah tidak terdapat gejala heterokedastisitas, sehingga model regresi layak dipakai untuk memprediksi loyalitas, berdasarkan masukan
variabel pemasaran relasional.
Universitas Sumatera Utara
3. Uji Multikolinearitas
