158
Tabel 4.10
One-Sample Kolmogrov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 100
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 2.29857791
Most Extreme Differences Absolute
.048 Positive
.034 Negative
-.048 Kolmogorov-Smirnov Z
.476 Asymp. Sig. 2-tailed
.977 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Penelitian, 2015 data diolah
Pada Tabel 48 dapat dilihat bahwa nilai Asym.Sig. 2-tailed adalah 0,977 dan diatas nilai signifikan 0,05 dengan kata lain variabel residual berdistribusi
normal. Nilai
Kolmogrov-Smirnov Z
adalah sebesar 0,476 lebih kecil dari 1,97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empiric atau
dengan kata lain data dikatakan normal.
4.3.2 Uji Heterokedastisitas
Uji heteroskedesitas bertujuan untuk menguji apakah sebuah group mempunyai varians yang sama di antara anggota group tersebut. Jika varians
sama, dan ini yang seharusnya terjadi maka dikatakan homoskedastisitas. Sedangkan jika varians tidak sama maka dikatakan terjadi heteroskedesitas. Alat
untuk menguji heterokedastisitas bisa dibagi menjadi dua yaitu dengan analisis
Universitas Sumatera Utara
159 pendekatan grafik
scatterplot
atau dengan analisis residual statistik dengan
uji glejser.
1. Pendekatan
Scatterplot
Gambar 4.4
Scatterplot
Sumber : Hasil Penelitian, 2015 data diolah Dari Gambar 4.4
Scatterplot
yang disajikan, dapat dilihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta
tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini berarti model regresi tidak mengarah adanya heteroskedastisitas.
2. Uji Glejser
Uji heteroskedastisitas yang menggunakan uji
Glejser
dapat dilihat pada tabel hasil di bawah ini :
Universitas Sumatera Utara
160
Tabel 4.11 Hasil Uji
Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 3.808
2.668 1.427
.157 Relationship Marketing
-.044 .055
-.082 -.807
.422 Experiential Marketing
-.008 .038
-.022 -.212
.833 a. Dependent Variable: absut
Sumber : Hasil Penelitian, 2015 data diolah Jika variabel independen signifikan secara statistik mempengaruhi variabel
independen, maka ada indikasi terjadi heterokedisitas. Hasil tampilan output SPSS dengan jelas menunjukkan tidak satupun variabel independen yang signifikan
secara statistik mempengaruhi variabel dependen absolut Ut absUt. Hal ini terlihat pada Tabel 4.11 dari probabilitas signifikansinya di atas tingkat
kepercayaan 5, jadi disimpulkan model regresi tidak mengarah adanya heterokedastisitas.
4.3.3 Uji Multikolinieritas
Gejala multikolinieritas dapat dilihat dari besarnya nilai
Tolerance
dan VIF
Variance Inflation Factor
, kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya,
Tolerance
adalah mengukur variabilitas variabel bebas yang terpilih yang tidak dijelaskan variabel bebas lainnya. Nilai yang dipakai untuk Tolerance 0,1, dan VIF
Variance Inflation Factor
5, maka tidak terjadi multikolinieritas.
Universitas Sumatera Utara
161
Tabel 4.12 Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 14.313
4.668 3.066
.003 Relationship Marketing
.389 .096
.372 4.048
.000 .992
1.008 Experiential Marketing
.136 .067
.189 2.051
.043 .992
1.008 a. Dependent Variable: Customer Satisfaction
Sumber : Hasil Penelitian, 2015 data diolah Berdasarkan pada Tabel 4.12 di atas diketahui nilai
Variance Inflation Factor
VIF
untuk variabel independen lebih kecil dari 5 VIF 5, dan nilai Tolerance 0,1. Dengan demikian persamaan regresi linear tidak terjadi
multikolinieritas atau terbebas dari asumsi multikolinieritas.
4.5 Pengujian Hipotesis 4.5.1 Uji-F Uji Signifikansi Simultan