Gambar 6.2 Hasil Uji Normalitas Variabel Variabel X1,X2 dan X3 Terhadap Y
Sumber : Data Diolah 2014
Berdasarkan hasil analisis grafik yang disajikan pada Gambar 4.1 dan Gambar 6.2 dapat dilihat bahwa, baik data pada variabel X1, X2 dan X3 tersebar
searah garis diagonal kurva. Sesuai dengan ketentuan pada analisis grafik, maka dapat disimpulkan bahwa variabel terikat penelitian untuk pengujian hipotesis
terdistribusi secara normal dan memenuhi syarat untuk dilanjutkannya analisis regresi linier berganda maupun sederhana.
6.4.2 Analisis Statistik
Untuk memastikan apakah hasil analisis grafik cukup valid atau tidak sebagai dasar keputusan perlu dilakukan analisis statistik guna memastikan hasil
yang telah diperoleh melalui analisis grafik, sebab Uji Normalitas dengan grafik dapat menyesatkan jika tidak berhati-hati secara visual.
Pengujian normalitas data hasil penelitian dengan menggunakan analisis statistik dilakukan menurut prosedur uji Kolmogorov-Smirnov K-S. Kriteria
pengambilan keputusan dilakukan dengan melihat nilai Kolmogorov-Smirnov Z
Universitas Sumatera Utara
dan Asymp Sig 2-tailed, dimana distribusi dinyatakan normal jika nilai Asymp sig 2-tailed lebih besar dari 0,05 untuk signifkansi 95.
Hasil pengujian normalitas data variabel kepuasan dan loyalitas disajikan pada Tabel 6.11 :
Tabel 6.11 Hasil Uji Normalitas X1,X2 dan X3 Terhadap
Y
One-Sample Kolmogorov-Smirnov Test Unstandardized Residual
N 9
Normal Parameters
a,,b
Mean ,0000000
Std. Deviation ,39481230
Most Extreme Differences
Absolute ,181
Positive ,181
Negative -,171
Kolmogorov-Smirnov Z ,542
Asymp. Sig. 2-tailed ,930
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Penelitian, 2014 Data diolah
Berdasarkan hasil analisis statistik normalitas data variabel terikat sebagaimana tersaji pada Tabel 6.11 diatas dapat dilihat bahwa nilai Asymp.Sig
2-tailed sebesar 0,930 pada uji normalitas data Kolmogorov Smirnov 2-tailed mempunyai nilai signifikansi jauh lebih besar dari alpha 0,05 pada derajat
signifikansi 95. Sesuai dengan ketentuan diatas, maka dapat ditegaskan bahwa nilai residual dari ketiga model regresi yang dihasilkan memiliki distribusi yang
normal dan memenuhi syarat untuk dilakukan analisis selanjutnya. Hasil analisis statistik konsisten dan selaras dengan hasil pengujian menurut metode analisis
grafik.
Universitas Sumatera Utara
6.4.3 Uji Multikolinieritas
Uji multikoloneritas dilakukan untuk melihat apakah pada model linier berganda ditemukan adanya korelasi antar variabel bebas. Model regresi yang
baik seharusnya tidak terjadi multikolineritas. Untuk uji multikolineritas pada penelitian ini adalah dengan melihat nilai Variance Inflation factor VIF.
Nilai cutoff yang umum dipakai untuk mrnunjukkan adanya multikolineritas adalah Tolarance 0,10 atau sama dengan nilai VIF 10.
Adapun hasil uji multikolinearitas dapat dilihat pada Tabel 6.12 berikut ini : Tabel 6.12 Hasil Multikolinieritas
Model Collinearity Statistics
Tolerance VIF
X1 0,527
1,896 X2
0,752 1,330
X3 0,498
2,008 a. Dependent Variable: kepuasan
Sumber : Hasil Penelitian, 2014 Data diolah
Tabel 6.12 diatas menunjukkan bahwa nilai Tolarance tidak kurang dari 0,10 yang berarti tidak ada korelasi antar variabel independen dengan variabel
dependen. Hasil perhitungan nilai Variance Inflation Factor VIF juga menunjukkan hal yang sama, dimana variabel X
1
, X
2
dan X
3
yang memiliki nilai VIF tidak lebih dari 10. Berdasarkan hasil tersebut maka dapat disimpulkan
bahwa tidak terdapat multikolinearitas antara variabel independen dalam model regresi pada pengujian hipotesis pertama, hipotesis kedua dan hipotesis ketiga,
dan model regresi yang dihasilkan dari analisis statistik ini termasuk dalam kategori regresi yang baik.
Universitas Sumatera Utara
6.4.4 Uji Heteroskedasitas