Pengaruh Variabel Residual Terhadap Kepuasan Konsumen Pengaruh Variabel Residual Terhadap Loyalitas Konsumen

pada 0,000 sehingga Hipotesis 2 dapat di terima karena nilai signifikansi lebih kecil dari 0,05. Hal ini berarti ada pengaruh harga secara tidak langsung terhadap loyalitas pada konsumen pemakai minyak goreng bimoli di Wilayah Perumnas Krapyak. Nilai pengaruh tidak langsung di peroleh dari nilai koefisien jalur P 2 di kalikan dengan nilai koefisien jalur P 3 menjado 0,4670,255 = 0,119. Hasil perkalian menunjukkan bahwa nilai koefisien berpengaruh tidak langsung P 1 P 3 lebih kecil di bandingkan nilai koefisien pengaruh langsung P 5 , 0,119 0,523, sehingga dapat disimpulkan bahwa kualitas produk berpengaruh langsung terhadap loyalitas. Kesimpulan ini di ambil karena nilai koefisien jalur melalui variabel kepuasan lebih kecil di bandingkan jika kualitas produk berpengaruh langsung terhadap loyalitas konsumen. Sedangkan total effect yang di timbulkan oleh kualitas produk terhadap loyalitas konsumen sebesar = P 4 +P 2 P 3 = 0,523+0,119 = 0,0,642

c. Pengaruh Variabel Residual Terhadap Kepuasan Konsumen

e 1 = 0,814

d. Pengaruh Variabel Residual Terhadap Loyalitas Konsumen

e 2 = 0,618 Berdasarkan hasil analisis dapat di ketahui pengaruh langsung dan tidak langsung sebagai berikut : Tabel 7. Pengaruh Langsung dan Pengaruh Tidak Langsung No Keterangan Direct Indirect Total Kriteria Kesimpulan 1 Harga 0,157 0,193 0,255 = 0,049 0,157+ 0,049 = 0,206 Total effect Indirect Effect = Intervening Kepuasan konsumen sebagai variabel intervening 2 Kualitas Produk 0,523 0,467 0,255 = 0,119 0,523+ 0,119 = 0,642 Total effect Indirect Effect = Intervening Kepuasan konsumen sebagai variabel intervening Sumber : Data Primer yang di olah Hasil tabel 7. Menunkukkan Kepuasan konsumen sebagai variabel Intervening antara Harga dan Kualitas Produk terhadap Loyalitas Konsumen.

4.1.4. Uji Asumsi Klasik

4.1.6.1 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah data yang akan digunakan dalam model regresi berdistribusi normal Ghozali, 2007:110. Uji ini penting dilakukan karena seringkali sebelum melakukan pengolahan data pada suatu pengamatan populasi, banyak peneliti mengasumsikan populasi yang diamati tersebut berdistribusi normal. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak, yaitu dengan analisis grafik atau uji statistik. Uji normalitas dalam penelitian ini menggunakan analisis statistik. Dilihat berdasarkan grafik normal probability plot, maka semua data berdistribusi normal. Hal ini terlihat dari titik-titik yang menyebar di sekitar garis diagonal, dan mengikuti diagonal. Selain menggunakan grafik Normal P-Plot, uji normalitas juga menggunakan uji Kolmogorov-Smirnov. Berdasarkan hasil Kolmogorov- Smirnov Test pada hasil output SPSS didapatkan hasil bahwa signifikansi yang dihasilkan sebesar 1,102 0,05; ini berarti bahwa data berdistribusi normal.

4.1.6.2 Uji Multikolinearitas

Uji multikolinearitas dimaksudkan untuk mengetahui adanya hubungan linier diantara variabel-variabel bebas dalam regresi Sumodiningrat, 1996:281. Menurut Ghozali 2007:91, gejala multikolinearitas dapat dilihat dari 1 nilai tolerance dan lawannya 2 variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel manakah yang dijelaskan oleh variabel bebas lainnya. Tolerance mengukur variabilitas variabel bebas yang terpilih yang tidak dijelaskan oleh variabel bebas lainnya. Nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1tolerance. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance 0,10 atau sama dengan nilai VIF 10. Berdasarkan hasil out put SPSS dapat dilihat bahwa nilai tolerance masing-masing senilai 0,761 untuk Harga, 0,630 untuk Kualitas Produk dan 0,663 untuk Kepuasan dan nilai VIF masing-masing 1,314 untuk Harga, 1,587 untuk Kualitas Produk dan 1,508 untuk Kepuasan yang menunjukkan tidak ada satu variabel bebas yang memiliki nilai VIF lebih dari 10 dan nilai tolerance tidak kurang dari 10 ini berarti model regresi yang dihasilkan tidak mengandung multikolinearitas.

4.1.6.3 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas Ghozali, 2007:105. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Pengujian heteroskedasisitas dilakukan dengan menggunakan scatter plot. Jika tidak terdapat pola tertentu menunjukkan bahwa model regresi tersebut babas dari masalah heteroskedastisitas. Hasil Out put SPSS yang berupa gambar menunjukkan bahwa titik-titik yang menyebar secara acak, tidak membentuk pola tertentu serta tersebar baik di atas maupun di bawah angka 0 nol pada sumbu Y. Dengan demikian maka dapat dinyatakan bahwa model regresi tersebut bebas dari gejala heteroskedastisitas. Selain menggunakan gambar sebaran Scatterplot, untuk mendeteksi adanya heteroskedastisitas dapat digunakan uji Glejser. Uji Glejser dilakukan dengan meregres nilai absolut residual terhadap variabel bebas. Berdasarkan hasil uji Glejser dengan menggunakan SPSS 17.0 For Windows, diperoleh hasil seperti tampak pada tabel 4.9 sebagai berikut: Tabel 4.9 Hasil Uji Glejser coefficients Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant Harga Kualitas Kepuasan 2.390 .032 .044 -.014 .266 .022 .036 .016 .088 .071 -.062 8.969 1.417 1.227 -.929 .000 .157 .211 .354 a. Dependen Variable: Loyalitas Berdasarkan hasil uji Glejser diperoleh nilai signifikansi untuk tiap- tiap variabel yang bernilai lebih besar dari 0,05 yang menunjukkan bahwa variabel-variabel bebas pada penelitian ini tidak signifikan terhadap variabel terikat. Hal ini berarti bahwa tidak ada gangguan heteroskedastisitas pada model regresi.

4.2. Pembahasan