3.10.2 Metode Regresi Berganda
Analisis regresi berganda berfungsi untuk mengetahui pengaruh variabel independen yaitu kreativitas X
1
dan inovasi X
2
, terhadap variabel dependen
yaitu kepuasan pelanggan Y. Adapun model persamaan yang digunakan adalah : Y=a+b
1
X
1
+b
2
X
2
+e ....................Sugiono, 2005.
Dimana : Y
= kepuasan pelanggan a
= Konstanta b
1
-b
2
= Koefisien Regresi X
1
= kreativitas X
2
= inovasi e
= Error
3.10.3 Uji Asumsi Klasik
Uji asumsi klasik bertujuan untuk mengetahui kondisi data yang dipergunakan dalam penelitian. Model analisis regresi penelitian ini mensyaratkan
uji asumsi terhadap data yang meliputi :
3.10.3.1 Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel
pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal.
Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid Ghozali, 2005 : 110.
Cara untuk mengetahui normalitas adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal.
Distribusi normal akan membentuk suatu garis lurus diagonal, dan plotting data akan dibandingkan dengan garis diagonal. Jika distribusi data residual adalah
normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya Ghozali, 2005 : 110.
3.10.3.2 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan variance dari residual satu pengamatan
kepengamatan lainnya. Jika variance dari satu residual satu pengamatan kepengamatan lainnya tetap maka terjadi homoskedastisitas jika berbeda maka
disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas
Situmorang, 2008:65. Cara untuk mengetahui ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel
terikat ZPRED dan residualnya SRESID. Deteksi terhadap heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplot yang disajikan, jika terlihat
titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Maka hal
ini tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi keputusan konsumen, berdasarkan masukan
variabel independennya.
3.10.3.3 Uji Multikolinieritas
Pada mulanya multikolinieritas ini berarti adanya hubungan linear yang “sempurna” atau pasti, diantara beberapa atau semua variabel yang menjelaskan
dari model regresi Situmorang, 2008:96. Multikolinearitas dapat dilihat dari nilai tolerance dan Variance Inflation
Factor VIF kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance adalah mengukur
variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai cutoff yang umumnya dipakai untuk menunjukkan
adanya multikolinieritas adalah tolerance 0.1 sedangkan Variance Inflation Factor VIF 5 Situmorang, 2008:104.
3.10.4 Pengujian Hipotesis 3.10.4.1 Uji Signifikan Parsial Uji Individual Uji t