Gambar 4.2 Hasil Uji Normalitas Secara Grafik
Sumber : Data primer yang diolah, 2016 Dari grafik P-P Plot di atas terlihat serta menjelaskan bahwa sebaran
data memusat pada nilai rata-rata dan media atau nilai P-P Plot terletak di garis diagonal, maka dapat dikatakan bahwa data penelitian ini memiliki
penyebaran dan terdistribusi normal. Dengan normalnya data pada penelitian ini maka penelitian ini dapat diteruskan.
Uji normalitas secara grafik dapat menyesatkan kalau tidak hati-hati secara visual kelihatan normal, padahal secara statistik bisa sebaliknya.
Oleh sebabg itu dianjurkan disamping uji grafik dilengkapi dengan uji statistik Ghozali, 2013:163. Adapun hasil perthiyungan normalitas secara
statistik yang dilihat berdasarkan uji Kolmogorov-smirnov adalah sebagai berikut :
88
Tabel 4.24 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 45
Mean 0E-7
Normal Parameters
a,b
Std. 1.27898946
Deviation Most Extreme
Absolute .106
Positive .106
Differences Negative
-.096 Kolmogorov-Smirnov Z
.710 Asymp. Sig. 2-tailed
.695 a. Test distribution is Normal.
b. Calculated from data. Sumber : Data primer yang diolah, 2016
Berdasarkan uji Kolmogorov-smirnov yang terdapat dari table diatas diketahui bahwa besaran nilai Kolmogorov-smirnov adalah 0,710 dan
signifikan pada 0,695 yang berarti data residual terdistribusi normal.
2. Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen Ghozali,
2013:105. Untuk mengetahui ada atau tidaknya multikolonieritas, mengacu pada
nilai yang dipakai untuk menunjukkan adanya multikolonieritas adalah nilai
tolerance 0,10
atau sama
dengan nilai
VIF 10
Ghozali, 2013:106.
Untuk melihat hasil uji multikolonieritas, berikut peneliti sajikan dalam tabel 4.25 :
89
Tabel 4.25 Uji Multikolonieritas
Coefficients
a
Model Unstandardized
Standardized t
Sig. Collinearity
Coefficients Coefficients
Statistics B
Std. Error Beta
Tolerance VIF
Constant 3.476
1.787 1.945
.059 esq
.168 .073
.307 2.287
.027 .792
1.263 t
.252 .078
.432 3.221
.002 .792
1.263 a. Dependent Variable: kn
Sumber : Data primer yang diolah, 2016 Dapat dilihat dari tabel 4.25 di atas, nilai tolerance E-Service Quality
sebesar 0.792, dan Trust sebesar 0,792, seluruhnya lebih besar dari 0.10. Kemudian nilai VIF
E-Service Quality sebesar 1,263 dan pada Trust
sebesar 1,263
seluruhnya kurang
dari nilai
VIF 10.
Maka dapat
disimpulkan bahwa
model persamaan
regresi tidak
terdapat problem
mutikolonieritas dan dapat digunakan dalam penelitian ini.
3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi
ketidaksamaan variance
dari residual
satu pengamatan
ke
pengamatan yang lain Ghozali, 2013:139. Model regresi yang baik adalah yang homokedastisitas atau tidak
terjadi heteroskedastisitas. Dasar analisisnya adalah jika ada pola tertentu, seperti
titik-titik yang
ada membentuk
pola tertentu
yang
teratur
bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. Sedangkan jika tidak ada pola yang jelas,
90
serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastsitas Ghozali, 2013:139.
Untuk melihat hasil uji heterokedastisitas penelitian ini, berikut peneliti sajikan gambar 4.2 :
Gambar 4.3 Uji Heteroskedastisitas
Sumber : Data primer yang diolah, 2016 Berdasarkan gambar 4.2, grafik scatterplot menunjukkan bahwa data
tersebar di atas dan di bawah angka 0 nol pada sumbu Y dan tidak terdapat suatu pola yang jelas pada penyebaran data tersebut. Hal ini
menjelaskan bahwa tidak terjadi heteroskedastisitas pada model persamaan regresi, sehingga model regresi layak digunakan untuk memprediksi
kepuasan nasabah berdasarkan variabel yang mempengaruhinya, yaitu E- Service Quality dan Trust.
91
