sekitar 20, dan sisanya yang menjawab sangat setuju dengan pernyataan diatas sebanyak 3 orang responden atau sekitar 5.
2. Analisis Kuantitatif
a. Uji Asumsi Klasik
1 Uji Normalitas
Data-data bertipe skala sebagai pada umumnya mengikuti asumsi distribusi normal. Namun, tidak mustahil suatu data tidak
mengikuti asumsi normalitas. Untuk mengetahui kepastian sebaran data yang diperoleh harus dilakukan uji normalitas terhadap data yang
bersangkutan. Dengan demikian, analisis statistika yang pertama harus digunakan dalam rangka menganalisis data adalah analisis
statistik berupa uji normalitas.
Gambar 4.1 Uji Normalitas
Berdasarkan Normal Probability Plot of Residual, diketahui bahwa residual membentuk suatu pola garis lurus, sehingga dapat
disimpulkan bahwa residual berdistribusi normal.
Gambar 4.2 Histogram
Jika dilihat dari histogram, terlihat bahwa sebaran data residual secara umum berada didalam kurva yang berbentuk lonceng. Sehingga
dapat disimpulkan bahwa residual berdistribusi normal.
2 Uji Heteroskedastisitas
Gambar 4.3 Scatter Plot
Dari grafik scatterplots terlihat bahwa titik-titik dari data menyebar secara acak serta tersebar baik di atas maupun di bawah
angka nol pada sumbu Y dan tidak membentuk suatu pola tertentu. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada
model regresi atau data bersifat homoskedastisitas, sehingga model regresi layak digunakan untuk menganalisis keloyalan pelanggan PT.
Hero supermarket yang diukur dari beberapa faktor.
Analisis dengan grafik plot memiliki kelemahan yang cukup signifikan oleh karena jumlah pengamatan mempengaruhi hasil
ploting. Semakin sedikit jumlah pengamatan semakin sulit menginterpretasikan hasil grafik plot. Oleh karena itu diperlukan uji
statistik yang lebih dapat menjamin kekurangan hasil. Uji statistik
yang dipakai adalah uji Breusch-Pagan, berikut adalah pengujiannya:
Hasil regresi Tabel Anova antara variabel dependen Keloyalan pelanggan Y dengan variabel independen Keragaman Produk X1,
kualitas pelayanan X2, dan kepuasan pelanggan X3.
Tabel 4.55 Annova
Sumber : Data Primer, diolah 2010
Persamaan Breusch-Pagan :
2 2
: 2
S S R S S E
n
χ
=
SSR = Sum of Square Regression SSE = Sum of Square Error Residual
n = Jumlah sample Dari hasil output di atas, nilai SSR diambil dari Sum of Square
Regression antara Loyalitas pelanggan Y dengan variabel Keragaman Produk X1, kualitas pelayanan X2, dan Kepuasan
pelanggan X3 yaitu sebesar = 256.641. Nilai SSE diambil dari Sum of Square Error Residual antara
variabel dependen Loyalitas pelanggan Y dengan variabel
independen Keragaman Produk X1, kualitas pelayanan X2, dan Kepuasan pelanggan X3 yaitu sebesar = 247.959
Sehingga perhitungan Chi-Square nya adalah sebagai berikut :
512 .
4 082
. 17
312 .
128 60
959 .
247 :
2 641
. 256
2 2
2
= =
=
χ χ
Dari hasil perhitungan didapatkan nilai
512 .
4
2
=
hitung
χ , maka
dicari nilai 815
. 7
3 ,
05 .
2
=
tabel
χ
. Karena
2 hitung
χ lebih kecil dari pada
3 ,
05 .
2 tabel
χ
4.512 7.815 maka bisa disimpulkan bahwa varians dari data adalah konstan sehingga dapat disimpulkan bahwa model
regresi terbebas dari heteroskedastisitas.
3 Uji Multikolinearitas
Tabel 4.56 Uji Multikolinieritas
Coefficients
a
.921 1.086
.368 2.717
.362 2.764
Keragaman Produk Kualitas Pelayanan
Kepuasan Pelanggan Model
1 Tolerance
VIF Collinearity Statistics
Dependent Variable: Loyalitas Pelanggan a.
Sumber : Data Primer, diolah 2010 Berdasarkan nilai VIF dan Tolerance pada tabel 4.51 dapat
dilihat bahwa variabel independen keragaman produk, kualitas pelayanan dan kepuasan pelanggan memiliki nilai VIF berkisar antara
1 - 8, yang berarti model tidak mempunyai kolinearitas antar variabel independennya. Selanjutnya dapat dilihat juga nilai Tolerance yang
mendekati angka 1, yang berarti variabel independen dinyatakan tidak multikolinearitas. Sebab jika nilai TOL 0.1 berarti variabel
independen mempunyai kolerasi yang sempurna.
b. Analisis Regresi