Gambar 4.1 Grafik P-P Plot menunjukkan data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, jadi dapat disimpulkan bahwa
data residual berdistribusi normal maka model regresi memenuhi asumsi normalitas.
2. Analisis Statistik Pengujian normalitas dilakukan berdasarkan uji statistik non-parametrik
Kolmogorov-Smirnov K-S. Menurut Nugroho 2005:112 dasar pengambilan keputusan untuk Kolmogorov-Smirnov yaitu nilai value pada kolom Asimp.
Sig 2-tailed level of significant α = 5.
Tabel 4.17 One-Sample Kolmogorov-Smirnov Test
P.Keputusan Konsumen
N 94
Normal Parametersa,b
Mean 14.2660
Std. Deviation 1.42312
Most Extreme Differences
Absolute .420
Positive .303
Negative -.420
Kolmogorov-Smirnov Z 4.076
Asymp. Sig. 2-tailed .000
a Test distribution is Normal. b Calculated from data.
Sumber: Hasil olahan SPSS 12.00 for windows, 2010
Tabel 4.17 menunjukkan nilai signifikan Kolmogorv-Smirnov sebesar 0,000 dimana nilai signifikan tersebut 0,05. Dapat disimpulkan bahwa data
residua l berdistribusi normal.
b. Multikolinieritas
Uji ini bertujuan untuk menguji apakah didalam model regresi linier ditemukan adanya korelasi yang tinggi di antara variabel bebas. Menurut
Universitas Sumatera Utara
Nugroho 2005:58 untuk menguji apakah variabel terkena multikol atau tidak maka nilai nilai Variance Inflation Factor VIF lebih besar dari 10 dan nilai
Tolerance tidak kurang dari 0,1.
Tabel 4.18 Multikolinieritas
Model Collinearity Statistics
Tolerance VIF
1 Reliability
.056 17.782
Responsiveness .090
11.128 Assurance
.088 11.425
Empathy .081
12.409 Tangible
.049 20.238
a Dependent Variable: P.Keputusan Konsumen Sumber: Hasil olahan SPSS 12.00 for windows, 2010
Tabel 4.18 menunjukkan nilai Tolerance 0,1 dan VIF 10 sebagai berikut : Nilai Tolerance Reliability 0,056 0,1 dan nilai VIF 17.782 10 terkena
multikol Nilai Tolerance Responsiveness 0, 090 0,1 dan nilai VIF 11.128 10
terkena multikol Nilai Tolerance Assurance 0,088 0,1 dan nilai VIF 11.425 10 terkena
multikol Nilai Tolerance Empathy 0,081 0,1 dan nilai VIF 12.409 10 terkena
multikol Nilai Tolerance Tangible 0, 049 0,1 dan nilai VIF 20.238 10 terkena
multikol.
c. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari satu residual pengamatan ke pengamatan lain.
Universitas Sumatera Utara
1. Melihat Grafik Menurut Nugroho 2005:59 dasar analisis untuk pengambilan keputusan
adalah sebagai berikut : a Jika ada pola tertentu , seperti titik- titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
b Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Gambar 4.2
-4 -3
-2 -1
1 Regression Standardized Predicted Value
9.00 10.00
11.00 12.00
13.00 14.00
15.00
P.K eput
usan K onsumen
Dependent Variable: P.Keputusan Konsumen Scatterplot
Gambar 4.2 Scatterplot Sumber: Hasil olahan SPSS 12.00 for windows, 2010
Gambar 4.2 Scatterplot menunjukkan titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, yang menandakan bahwa tidak terjadi masalah
heteroskedastisitas.
Universitas Sumatera Utara
2. Uji Glejser Pada pengujian ini variabel terikatnya adalah ABSUT, dimana jika nilai
signifikan 0,05 maka tidak terjadi masalah heteroskedastisitas.
Tabel 4.19 Uji Glejser
Coefficients
a
-.602 .357
-1.686 .095
.331 .070
.369 4.699
.000 .334
.073 .300
4.573 .000
.239 .043
.334 5.509
.000 -.660
.055 -.721
-11.909 .000
.430 .054
.652 7.949
.000 Constant
Reliability Responsiveness
Assurance Empathy
Tangible Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: P.Keputusan Konsumen a.
Sumber: Hasil olahan SPSS 12.00 for windows, 2010
Tabel 4.19 menunjukkan nilai signifikan Reliability 0,000, Responsiveness 0,000, Assurance 0,000, Empathy 0,000, Tangible 0,000 0,05 maka
terjadi masalah heteroskedastisitas.
d. Uji Autokorelasi