84
deviasi masing-masing variabel yang digunakan dalam penelitian ini tergolong baik dengan standar deviasi tertinggi pada Nilai Kualitas quality value dengan
nilai 0,678 dan terendah pada Loyalitas Konsumen costumer loyalty dengan nilai 0,558. Secara keseluruhan, data yang diperoleh dalam penelitian ini memiliki
ragam yang baik.
4.3 Uji Asumsi Klasik
Analisis data dilakukan dengan menggunakan analisis regresi sederhana dan analisis jalur path analisys. Sebelum melakukan analisis data untuk mengetahui
pengaruh antarvariabel, dilakukan uji asumsi yang meliputi uji normalitas, uji heterokedastisitas, dan uji multikolinearitas.
4.3.1 Uji Normalitas
Uji normalitas dilakukan untuk mengetahui normal atau tidaknya data variabel penelitian. Pada penelitian ini, uji normalitas dilakukan dengan analisis
grafik. Distribusi normal akan membentuk satu garis lurus diagonal, dan plooting data akan dibandingkan dengan garis diagonal. Jika distribusi data normal, maka
garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya Ghozali, 2011:110.
Hasil uji normalitas variabel penelitian dapat disajikan, sebagai berikut:
1. Uji Normalitas dengan Analisis Grafik
1. Uji Normalitas dengan Kepuasan Konsumen sebagai variabel dependen
Universitas Sumatera Utara
85
Gambar 4.1 Histogram Hasil Uji Normalitas
Variabel Dependen: Kepuasan Konsumen
Gambar 4.2 Diagram Plot Hasil Uji Normalitas
Variabel Dependen: Kepuasan Konsumen
Universitas Sumatera Utara
86
2. Uji Normalitas dengan Loyalitas Konsumen sebagai variabel dependen
Gambar 4.3 Histogram Hasil Uji Normalitas
Variabel Dependen: Loyalitas Konsumen
Gambar 4.4 Diagram Plot Hasil Uji Normalitas
Variabel Dependen: Loyalitas Konsumen
Universitas Sumatera Utara
87
Berdasarkan grafik histogram mau pun grafik diagram plot uji normalitas, dapat dilihat bahwa grafik dengan Kepuasan Konsumen sebagai variabel
dependen berpola normal, sementara grafik dengan Loyalitas Konsumen sebagai variabel dependen berpola sedikit melenceng, meski masih bisa diketegorikan
normal. Dengan demikian, meski telah melakukan uji normalitas dengan analisis statistik, distribusi data yang diperoleh masih belum diketahui secara pasti
kenormalannya.
2. Uji Normalitas dengan Analisis Statistik
Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati secara visual kelihatan normal, padahal secara statistik bisa sebaliknya. Oleh sebab itu,
dianjutkan di samping uji grafik dilengkapi dengan uji statistik Ghozali, 2011:112.
Untuk itu, uji normalitas pada penelitian ini diperkuat dengan analisis statistik dengan metode Kolmogorov-Smirnov Test. Pengujian hipotesis dilakukan
dengan terlebih dahulu menguji normalitas data dengan menggunakan metode one-sample Kolmogorovsmirnov
dengan tingkat signifikansi 5. Data dikatakan berdistribusi normal jika p-value asymptotic significance 0,05.
Adapun uji normalitas penelitian dapat dilihat pada Tabel 4.12, sebagai berikut:
Universitas Sumatera Utara
88
Tabel 4.12 Hasil Uji Normalitas
Unstandarized Residual N
100 Normal Parameters
a,b
Mean ,0000000
Std. Deviation
1,22837733 Most Extreme
Differences Absolute
,053 Positive
,038 Negative
-,053 Kolmogorov-Smirnov Z
,053 Asyimp. Sig. 2-tailed
,200 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Data Primer, 2016 data diolah
Berdasarkan hasil uji normalitas Kolmogorov-Smirnov Test, dengan N=100, dapat disimpulkan bahwa nilai Z dari keenam variabel penelitian emotional
value, social value, qualityperformance value, price value, kepuasan konsumen,
dan loyalitas konsumen lebih tinggin 0,05. Artinya, data berdistribusi normal.
4.3.2 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji model regresi apakah di dalamnya terjadi ketidaksamaan varians dari residual satu pengamatan terhadap
pengamatan lainnya. Jika varians dari residual pengamatan satu terhadap pengamatan lainnya tetap, maka disebut homokedastisitas dan jika berbeda
disebut heterokedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas.
Pengujian terhadap heteroskedastisitas dapat dilakukan melalui pengamatan terhadap pola scatter plot. Apabila pola scatter plot membentuk pola tertentu,
maka model regresi memiliki gejala heteroskedastisitas. Munculnya gejala
Universitas Sumatera Utara
89
heteroskedastisitas menunjukkan bahwa penaksir dalam model regresi tidak efisien dalam sampel besar maupun kecil.
Hasil uji heteroskedastisidas variabel penelitian dapat disajikan, sebagai berikut:
1. Uji Heteroskedastisitas dengan Analisis Grafik
