Uji Normalitas Analisis Penyimpangan Asumsi Klasik
Regression Standardized Residual
2. 50
2. 25
2. 00
1. 75
1. 50
1.25 1.
00 .7
5 .5
.25 0.
00 -.2
5 -.5
-.7 5
-1.00 -1.25
-1. 50
-1.75 -2.00
-2 .25
Histogram Dependent Variable: Keunggulan Bersaing
F requency
16 14
12 10
8 6
4 2
Std. Dev = .98 Mean = 0.00
N = 100.00
Gambar 4.3. Normal Probability Plot
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Keunggulan Bersaing
Observed Cum Prob
1.00 .75
.50 .25
0.00
Expected C u
m Pr ob
1.00 .75
.50 .25
0.00
Dengan melihat tampilan grafik histogram maupun grafik normal plot dapat disimpulkan bahwa grafik histogram memberikan pola distribusi normal. Sedangkan
pada grafik normal plot terlihat titik-titik menyebar disekitar garis diagonal. Gambar grafik dan uraian diatas menunjukkan bahwa model layak dipakai karena memenuhi
asumsi normalitas.
4.3.2.2.Uji Multikolinearitas
Uji multikolinearitas ini bertujuan untuk mengetahui apakah tiap-tiap variabel bebas saling berhubungan secara linear. Pengujian ini dilakukan dengan:
1. Melihat Variance Inflating Factor VIF dan Tolerance Value
Batas dari VIF adalah 10 dan nilai tolerance value adalah 0,1. Jika nilai VIF lebih besar dari 10 dan nilai tolerance value kurang dari 0,1 maka terjadi multikolinearitas.
Tabel 4.22. berikut menunjukkan hasil analisis uji multikolinearitas. Tabel 4.22.
Hasil Uji Multikolinearitas
MODEL Collinearity Statistics
Tolerance VIF
1 Constant
Diferensiasi Produk Diferensiasi Pelayanan
Diferensiasi Citra
.283 .531
.253 3.555
1.882 3.945
Dari tabel 4.22. dapat dilihat bahwa tolerance value semua variabel berada diatas 0,1 dan nilai VIF dibawah 10. Dengan demikian dapat disimpulkan bahwa
tidak terjadi multikolinearitas. 2.
Matriks Korelasi Variabel-Variabel Bebas Dalam matriks korelasi bila antar variabel-variabel bebas ada korelasi yang cukup
tinggi yaitu diatas 0,90 maka dikatakan terjadi multikolinearitas Ghozali, 2001. Pada tabel 4.23. berikut ini menjelaskan hasil analisis korelasi antar variabel bebas.
Tabel 4.23. Koefisien Korelasi Variabel Bebas
Coefficient Correlations
a
1.000 -.351
-.730 -.351
1.000 -.145
-.730 -.145
1.000 .009
-.002 -.005
-.002 .003
-.001 -.005
-.001 .005
Diferensiasi Citra Diferensiasi Pelayanan
Diferensiasi Produk Diferensiasi Citra
Diferensiasi Pelayanan Diferensiasi Produk
Correlations Covariances
Model 1
Diferensiasi Citra
Diferensiasi Pelayanan
Diferensiasi Produk
Dependent Variable: Keunggulan Bersaing a.
Dari data yang ada pada tabel 4.23. diatas dapat disimpulkan bahwa tidak terjadi multikolinearitas antar variabel-variabel bebas yang ada, karena koefisien
korelasi antar variabel menunjukkan angka dibawah 0,90.
4.3.2.3.Uji Heterokedastisitas
Uji heteroskedastisitas ini bertujuan untuk mengetahui apakah dalam model terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain.
Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model yang
baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
Gambar 4.1. Sebaran Scatter Plot
Scatterplot Dependent Variable: Keunggulan Bersaing
Regression Standardized Predicted Value
2.0 1.5
1.0 .5
0.0 -.5
-1.0 -1.5
-2.0
Regres s
ion St udent
iz ed Res
idual
3 2
1 -1
-2 -3
Analisis grafik terhadap gambar sebaran scatterplot di atas memperlihatkan titik-titik yang menyebar secara acak serta tersebar baik diatas maupun dibawah
angka 0 pada sumbu Y, sebaran menunjukkan tidak terdapatnya suatu pola tertentu yang sistimatis seperti bergelombang, melebar atau menyempit.
Dari penjelasan tersebut grafik telah memenuhi kriteria untuk dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model sehingga model layak
dipakai untuk memprediksi terbentuknya variabel terikat berdasarkan masukan dari variabel bebas.