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
Gambar 4.4 Scatterplot Uji Heteroskedastisitas
Sumber: Hasil Pengolahan SPSS 16.0 Juni 2013
Regression Standardized Predicted Value
1 -1
-2 -3
Re gr
es si
on S
tu de
nt ize
d Re
si du
al
3 2
1 -1
-2 -3
Scatterplot Dependent Variable: loyalitas
Universitas Sumatera Utara
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 loyalitas 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.
Tabel 4.32 Uji Heteroskedastisitas Dengan Glejser
Sumber: Hasil Pengolahan SPSS 18.0 Agustus 2013 Tabel 4.32 menunjukkan bahwa tidak satupun dari variabel independent
product, price, place, promotion, people, physical evidence, dan process yang signifikan secara statistik mempengaruhi variabel dependent absolut residual absUt.
Coefficients
a
2.397 1.369
1.752 .083
-.018 .024
-.082 -.768
.445 .901
1.110 .074
.069 .116
1.074 .285
.882 1.134
-.026 .049
-.065 -.539
.591 .714
1.401 -.013
.066 -.024
-.199 .843
.709 1.410
-.022 .058
-.044 -.381
.704 .766
1.306 -.081
.074 -.132
-1.094 .277
.703 1.423
.033 .075
.052 .446
.657 .748
1.336 Constant
produk price
place promotion
people evidence
process Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: ABSRES a.
Universitas Sumatera Utara
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.
4.3.2 Analisis Regresi Linear Berganda
Model regresi linear berganda yang telah memenuhi syarat asumsi klasik tersebut kemudian akan dilakukan analisis regresi linear berganda dengan bantuan SPSS
18.0. Tujuan analisis regresi linear berganda adalah untuk mengetahui seberapa besar pengaruh variabel bebas yang terdiri dari Product, Price, Place, Promotion, People,
Physical Evidence, dan Process terhadap variabel terikat yaitu loyalitas pelanggan. Model regresi yang digunakan dalam penelitian ini adalah sebagai berikut:
Y = b + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X4
1
+ b
5
X
5
+ b
6
X
6
+ b
7
X
7
+ e Dimana :
Y = Loyalitas pelanggan pada Warung Bambu I’AM Binjai
a = Konstanta b
1
– b
7
= Koefisien regresi berganda X
1
= skor dimensi variabel product X
2
= skor dimensi variabel price X
3
= skor dimensi variabel place X
4
= skor dimensi variabel promotion X
5
= skor dimensi variabel people X
6
= skor dimensi variabel physical evidence X
7
= skor dimensi variabel process
Universitas Sumatera Utara
