107
Tabel 4.52 Hasil Uji Linearitas antara Variabel Perceived value dengan Variabel Loyalitas
Sumber: Data diolah menggunakan SPSS 21.0, 2016 Nilai siginifikansi yang diperoleh yang ditunjukkan pada Tabel 4.52 di atas
ialah 0,752 yang lebih besar dari 0,05. Maka dapat ditarik sebuah kesimpulan bahwa terdapat hubungan linear secara signifikan antara variabel perceived value
dengan variabel loyalitas.
4.5.3 Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di anntara variabel independen Erlina, 2011:103. Erlina 2011:103
menjelaskan bahwa model regresi yang baik seharusnya tidak terjadi korelasi antara di antara variabel independen.
Dasar pengambilan keputusan pada uji multikolinearitas untuk penelitian ini ialah sebagai berikut:
a. Jika nilai VIF Variance Inflation Factor lebih kecil dari 10,00 maka
artinya tidak terjadi multikolinearitas terhadap data yang diuji b.
Jika nilai VIF Variance Inflation Factor lebih besar dari 10,00 maka artinya terjadi multikolinearitas terhadap data yang diuji
Universitas Sumatera Utara
108
Tabel 4.53 Hasil Uji Multikolinearitas
Sumber: Data diolah menggunakan SPSS 21.0, 2016 Berdasarkan tabel 4.53 di atas, diperoleh nilai VIF Variance Inflation
Factor masing-masing variabel lebih kecil dari 10,00. Variabel sense X1 dengan nilai VIF 1,596, variabel feel X2 dengan nilai VIF 2,324, variabel think
X3 dengan nilai VIF 2,485, variabel act X4 dengan nilai VIF 1,330, variabel relate X5 dengan nilai 2,024, dan variabel perceived value X6 dengan nilai
2,105. Maka dapat ditarik sebuah kesimpulan bahwa tidak terjadi multikolinearitas di antara variabel-variabel independen dalam penelitian ini.
4.5.4 Uji Heterokedastisitas
Pengujian gejala heterokedastisitas menurut Erlina 2011:106 bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari
residual satu pengamatan ke pengamatan lain, jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas, dan jika
berbeda disebut heterokedastisitas. Dalam penelitian ini, peneliti menggunakan uji heterokedastisitas dengan
grafik scatterplot SPSS. Adapun dasar pengambilan keputusan dalam uji heterokedastisitas ini adalahSPSS Indonesia:
Universitas Sumatera Utara
109 c.
Jika terdapat pola tertentu pada grafik scatterplot SPSS, seperti titik- titik yang membentuk pola yang teratur bergelombang, menyebar
kemudian menyempit, maka dapat disimpulkan bahwa telah terjadi heterokedastisitas.
d. Sebaliknya, jika tidak ada pola yang jelas, serta titik-titik menyebar,
maka indikasinya adalah tidak terjadi heterokedastisitas. Di bawah ini adalah scatterplot hasil uji heterokedastisitas menggunakan
SPSS 21.0
Gambar 4.4 Hasil Uji Heterokedastisitas
Sumber: Data diolah menggunakan SPSS 21.0, 2016
Universitas Sumatera Utara
110 Berdasarkan scatterplot hasil uji heterokedastisitas di atas, dapat dilihat
dengan jelas bahwa titik-titik pada gambar tidak membentuk pola tertentu dan titik-titik tersebut menyebar. Maka, dapat ditarik kesimpulan bahwa tidak terjadi
heterokedastisitas.
4.6 Uji Hipotesis 4.6.1 Uji t