0,057 0,05, ini berarti variabel residual atau data tersebut berdistribusi normal.
4.3.1.2 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari suatu residual
pengamatan ke pengamatan lain. Jika varians dari residual satu pengamatan ke
pengamatan yang lain tetap, maka disebut
homokedastisitas, namun jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas atau disebut
homokedastisitas. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu dengan pendekatan grafik dan pendekatan
statistik Uji Glejser.
1. Pendekatan Grafik
Dasar analisis ini adalah jika pada grafik scatterplot tidak terlihat
ada pola yang jelas serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas, sedangkan jika
terlihat ada pola tertentu seperti titik-titik yang membentuk pola yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.
Universitas Sumatera Utara
Gambar 4.4 Scatterplot Uji Heteroskedastisitas
Sumber: Hasil Pengolahan SPSS 16.0 Juni 2013 Dari grafik scatterplot yang disajikan pada Gambar 4.4, terlihat
titik-titik menyebar secara acak tidak membentuk suatu pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y.
Hal ini berarti tidak ada indikasi terjadinya heteroskedastisitas pada model regresi, maka model regresi layak untuk memprediksi kepuasan
pelanggan. 2. Pendekatan Statistik Uji Glejser
Adapun kriteria pengambilan keputusan pada uji glejser yaitu: a. Jika nilai probabilitas signifikansi 0,05 maka tidak mengalami
gangguan heteroskedastisitas. b. Jika nilai probabilitas signifikansi 0,05 maka mengalami
gangguan heteroskedastisitas.
Universitas Sumatera Utara
Tabel 4.13 Uji Heteroskedastisitas Dengan Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1 Constant
-1.397 .796
-1.754 .083
Financial Benefit -.065
.051 -.122
-1.266 .209
Social Benefit .027
.027 .120
1.004 .318
Structural Ties .089
.027 .401
3.298 .061
a. Dependent Variable: AbsRes
Sumber: Hasil Pengolahan SPSS 16.0 Juni 2013 Tabel 4.13 menunjukkan bahwa tidak satupun dari variabel
independent financial benefit, social benefit dan structural ties yang signifikan secara statistik mempengaruhi variabel dependent absolut
residual absUt. Hal ini dapat dilihat pada kolom Sig. yang merupakan probabilitas signifikansi variabel, dimana nilai probabilitas signifikansi
semua variabel independent berada diatas tingkat kepercayaan sebesar 0,05. Maka dari itu dapat disimpulkan bahwa model regresi ini tidak
terindikasi mengalami gangguan heteroskedastisitas.
4.3.1.3 Uji Multikolinearitas
Kategori