Uji Multikolinearitas Uji Autokorelasi Uji heterokedastisitas

Dari Tabel 4.13 menunjukkan bahwa variabel residual berdistribusi normal, karena terlihat nilai Unstandardized Residual Asymp. Sig. 2-tailed adalah 0,938 hal ini berarti nilai Symp. Sig 2-tailed lebih besar dari nilai signifikan dengan nilai 0,05.

2. Uji Multikolinearitas

Multikolinearitas adalah suatu keadaan dimana variabel independen yang satu dengan yang lain dalam model regresi berganda tidak saling berhubungan secara sempurna. Untuk mengetahui ada tidaknya gejala multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan Variance Inflation Factor melalui program SPSS 15 for windows Tabel 4.14 Coefficients Model Collinearity Statistics Tolerance VIF 1 Constant Bentuk_Fisik ,755 1,324 Jaminan ,721 1,387 Daya_Tanggap ,734 1,362 Keandalan ,851 1,175 Empati ,659 1,518 LDR ,755 1,324 a Dependent Variable: Keputusan Nasabah Sumber: Hasil olahan SPSS 15.0 for windows Berdasarkan Tabel 4.14 diatas, keenam variabel dependen tersebut memiliki VIF 5, maka tidak terdapat adanya gejala multikolinearitas pada persamaan regresi linear berganda ini. 73 Universitas Sumatera Utara

3. Uji Autokorelasi

Autokorelasi menunjukkan adanya kondisi yang berurutan antara gangguan atau distribusi yang masuk dalam regresi. Uji autokorelasi bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar kesalahan pengganggu pada periode t dengan kesalahan periode t-1 Singgih:2000 Tabel 4.15 Model Summaryb Mod el R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 ,770a ,592 ,571 1,32691 1,815 a Predictors: Constant, Empati, Jaminan, Bentuk_Fisik, Daya_Tanggap, Keandalan b Dependent Variable: Keputusan_Nasabah Sumber : Hasil olahan SPSS 15.0 for windows Dari hasil pengolahan mengunakan SPSS 15 for windows dapat diketahui bahwa nilai Durbin-Watson adalah sebesar 1,815. Nilai du: 1.801 dan nilai dl:2.199. Oleh karena du 1.801 dw hitung 1.815 2.199 maka di dalam model regresi ini tidak terdapat adanya autokorelasi positif maupun negatif.

4. Uji heterokedastisitas

Pengujian Heteroskedastisitas dilakukan dalam sebuah model regresi, dengan tujuan bahwa apakah suatu regresi tersebut terjadi ketidaksamaan varians dari residual dari setiap pengamatan ke pengamatan lainnya berbeda, maka disebut heteroskedastisitas. Ada beberapa cara untuk menguji ada tidaknya situasi heteroskedastisitas dalam varian error terms untuk model regresi. Dalam penelitian ini akan digunakan metode chart Diagram Scatterplot, dengan dasar pemikiran bahwa Singgih, 2004 : 74 Universitas Sumatera Utara 1. Jika ada pola tertentu seperti titik-titik poin-poin, yang ada membentuk suatu pola tertentu yang beraturan bergelombang, melebar, kemudian menyempit, maka terjadi heteroskedastisitas. 2. Jika ada pola yang jelas, serta titik-titik menyebar keatas dan dibawah 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Berdasarkan keterangan diatas maka seluruh variabel dari penelitian ini tidak terdapat heteroskedastisitas. lampiran 2 Uji Glejser Heterokedastisitas diuji dengan menggunakan uji Glejser dengan pengambilan keputusan jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi heterokedastisitas. Untuk melihat apakah terjadi heterokedastisitas atau tidak dapat dilakukan melalui dua cara yaitu cara grafik dan cara statistik dengan menggunakan uji Glejser melalui program SPSS 15 for windows. Tabel 4.16 Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta B Std. Error 1 Constant 1,768 1,063 1,664 ,100 Bentuk_Fisik -,030 ,075 -,047 -,405 ,686 Jaminan ,047 ,105 ,052 ,443 ,659 Daya_Tanggap -,032 ,073 -,050 -,433 ,666 Keandalan -,152 ,074 -,222 -2,051 ,053 Empati ,091 ,097 ,115 ,938 ,351 a Dependent Variable: ABSUT Sumber: Hasil olahan SPSS 15.0 for windows Tabel 4.16 menunjukkan bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut absut. 75 Universitas Sumatera Utara Hal ini terlihat dari nilai signifikansi variabel bentuk fisik, jaminan, daya tanggap, keandalan dan empati masing-masing lebih besar dari tingkat signifikansi α = 5. Dengan demikian dapat disimpulkan bahwa tidak terjadi gejala heterokedastisitas dalam model regresi ini.

D. Analisis Regresi Linier Berganda