Pengujian Multikolinearitas Uji Heteroskedastisitas

Pengujian Normalitas Data dengan Analisis Grafik Histogram Sumber : Data DiolahOutput SPSS Lampiran Gambar 4.1 Grafik Normalitas Data Berdasarkan pada Gambar 4.1 tersebut Gozali 2005 menyatakan jika distribusi data adalah normal, maka tidak melewati kurva baik kiri maupun di kanan. Hasil output tersebut terlihat bahwa data berdistribusi normal.

4.2.2.2. Pengujian Multikolinearitas

Pengujian multikolinearitas dilakukan untuk melihat apakah pada model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik Universita Sumatera Utara seharusnya tidak terjadi multikolinearitas. Cara mendeteksinya adalah dengan melihat nilai Variance Inflation Factor VIF. Menurut Santoso 2002, pada umumnya jika VIF lebih besar dari 10, maka variabel tersebut mempunyai persoalan multikolinearitas dengan variabel bebas lainnya, dapat dilihat melalui Tabel 4.5 berikut: Tabel 4.5 Pengujian Multikolinieritas Model Collinearity Statistics Tolerance VIF 1 X1 .448 1.712 X2 .776 1.320 X3 .834 2.927 X4 .240 4.174 X5 .741 1.350 a. Dependent Variable: Y Sumber : Data DiolahOutput SPSS 2012. Pada output SPSS pada Tabel 4.5 tersebut menunjukkan bagian Coefficient, semua angka VIF jauh di bawah 10, hal ini menunjukkan tidak terjadi multikolinearitas. Sedangkan hasil perhitungan nilai tolerance juga menunjukkan Universita Sumatera Utara tidak ada varibel independen yang nilainya kurang dari 0,1, yang berarti tidak ada korelasi antar variabel independen yang nilainya lebih dari 95. Hal ini berarti tidak terjadi multikolinearitas.

4.2.2.3. Uji Heteroskedastisitas

Uji Heteroskedastisitas dapat dilakukan dengan cara melihat grafik Scatterplot yang disajikan yang terdapat pada Gambar 4.2 dibawah, terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi. Adapun bentuk grafik Scatterplot terdapat pada Gambar 4.2 berikut: Universita Sumatera Utara Sumber : Data DiolahOutput SPSS. Gambar 4.2 Grafik Scatterplot Uji Heteroskedastisitas 4.3. Pembahasan Hasil Penelitian 4.3.1. Pengujian Hipotesis Untuk melihat apakah faktor bukti fisik, keandalan, daya tanggap, jaminan dan emphaty berpengaruh terhadap kepuasan konsumen berdasarkan hasil pengujian menunjukkan dapat diterima. Pengujian goodness of fit dilakukan untuk menentukan kelayakan suatu model regresi, karena variabel penelitian lebih dari dua variabel maka kelayakan tersebut dapat dilihat dari nilai Adjusted R Square. Nilai Adjusted R Square yang diperoleh dari hasil pengolahan data dapat dilihat pada Tabel 4.6 di bawah ini: Tabel 4.6. Pengujian Goodness of Fit Model Summary b R R Square Adjusted R Square Std. Error of the Estimate 1 .901 a .812 .809 2.05106 a. Predictors: Constant, X5, X3, X4, X2, X1 Universita Sumatera Utara Model Summary b R R Square Adjusted R Square Std. Error of the Estimate 1 .901 a .812 .809 2.05106 a. Predictors: Constant, X5, X3, X4, X2, X1 b. Dependent Variable: Y Sumber : Data DiolahOutput SPSS Lampiran Nilai Adjusted R Square pada Tabel 4.6 diatas sebesar 0,809. Hal ini menunjukkan bahwa 80,9 variabel bukti fisik, keandalan, daya tanggap, jaminan dan emphaty berpengaruh terhadap kepuasan konsumen sedangkan sisanya sebesar 19,1 dipengaruhi oleh variabel lain yang tidak dijelaskan oleh model penelitian ini. Untuk menguji apakah parameter koefesien Adjusted R 2 signifikan atau tidak maka dilakukan pengujian dengan bantuan alat uji statistik metode Fisher Uji F dengan tingkat keyakinan confident level sebesar 95. Kriteria pengujian yang digunakan adalah apabila F hitung F tabel maka Ho ditolak; dan apabila F hitung ≤ F tabel Atas hal tersebut berdasarkan pada ikhtisar pengujian terdapat dalam Tabel 4.7 berikut ini: maka Ho dapat diterima. Universita Sumatera Utara Tabel 4.7: Uji F ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 6248.348 5 1249.670 297.057 .000 a Residual 1447.152 344 4.207 Total 7695.500 349 a. Predictors: Constant, X5, X3, X4, X2, X1 b. Dependent Variable: Y Sumber : Data DiolahOutput SPSS Lampiran Tabel 4.7 menunjukkan bahwa nilai F hitung adalah 297.057 dengan tingkat signifikansi 0,000. Sedangkan F tabel pada tingkat kepercayaan 95 α = 0,05 adalah 4.78. Oleh karena pada kedua perhitungan F hitung F tabel Secara parsial variabel yang berpengaruh signifikan adalah bukti fisik, keandalan, daya tanggap dan jaminan. Hal tersebut tergambar dalam Tabel 4.8 berikut: 297.057 5.78. Hal ini menunjukkan bahwa variabel bukti fisik, keandalan, daya tanggap, jaminan dan emphaty berpengaruh terhadap kepuasan konsumen secara parsial dan simultan. Tabel 4.8 : Hasil Perhitungan Uji t Universita Sumatera Utara Coefficients a Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. 1 Constant 22.116 .356 62.099 .000 X1 .350 .158 .235 2.207 .028 X2 -1.104 .130 -.721 -8.491 .000 X3 .598 .187 .404 3.196 .002 X4 -1.005 .071 -.677 -14.182 .000 X5 -.062 .057 -.030 -1.090 .277 a. Dependent Variable: Y Sumber : Data DiolahOutput SPSS Lampiran Dari tabel coefficient di atas maka model regresi yang dapat dibentuk: Y = 0.350+0.350 X 1 - 1.104 X 2 + 0.598 X 3 -1.005 X 4 - 0.062X 5

4.3.2. Pembahasan