Uji Validitas Hasil Uji Statistik dan Pembahasan

61 Pada Tabel 4.10 hasil uji reliabilitas tersebut menunjukkan bahwa semua variabel mempunyai koefisien Alpha yang cukup besar yaitu diatas 0,60 sehingga dapat dikatakan semua konsep pengukur masing-masing variabel dari kuesioner adalah reliabel sehingga untuk selanjutnya item-item pada masing-masing konsep variabel tersebut layak digunakan sebagai alat ukur.

3. Uji Asumsi Klasik

a. Uji Mulikoliniearitas Suatu variabel menunjukkan gejala multikolinieritas dapat dilihat dari nilai VIF Variance Inflation Factor yang tinggi pada variabel- variabel bebas suatu model regresi. Mendeteksi ada tidaknya multikolinieritas yaitu dengan melihat nilai VIF dan tolerance. Model regresi dikatakan bebas dari multikolinieritas apabila nilai VIF 10, dan nilai tolerance 0,1 10 Imam Ghozali, 2000. Hasil pengujian VIF dari model regresi dapat dilihat dalam tabel berikut : Tabel 4.11 Hasil Uji Multikolinieritas Coefficients a Model Unstandardized Coefficients Standardized Coefficients Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 2.094 1.273 Kualitas Pelayanan .068 .024 .282 .788 1.269 Sk.Cadang .294 .097 .300 .788 1.269 a. Dependent Variable: L.Pelanggan Sumber: Pengolahan data statistik 62 Dari tabel tersebut menunjukkan bahwa nilai VIF semua variabel bebas dalam penelitian ini lebih kecil dari 10 sedangkan nilai toleransi semua variabel bebas lebih dari 10 yang berarti tidak terjadi korelasi antar variabel bebas yang nilainya lebih dari 90 , dengan demikian dapat disimpulkan bahwa tidak terdapat gejala multikolinieritas antar variabel bebas dalam model regresi. b. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari satu pengamatan ke pengamatan yang lain Ghozali,2001. Cara mendeteksinya adalah dengan meliahat nilai signifikan variabel independen apabila nilai signifikansi lebih dari 0,05 maka tidak terjadi masalah heteroskedastisitas atau dengan melihat ada tidaknya pola tertentu pada grafik Scatterplot antara SRESID dan ZPRED, dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di-standardiized Ghozali,2001. Untuk lebih jelasnya dapat dilihat pada hasil uji heteroskeastisitas berikut: 63 Tabel 4.12 Hasil Uji Heteroskedastisitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 1.297 .758 1.713 .090 Kualitas Pelayanan -.026 .014 -.204 -1.815 .073 Sk.Cadang .081 .058 .157 1.397 .166 A. Dependent Variable: ABS_RES Sumber: Pengolahan data statistik Gambar 4.6 Hasil Uji Heteroskedastisitas Sumber: Pengolahan data statistik Hasil pengujian heteroskedastisitas pada Tabel 4.12 menunjukkan bahwa signifikan kedua variabel lebih dari 0,05 dan pada Gambar 4.6 titik-titik tidak membentuk pola tertentu atau tidak ada pola yang jelas serta titik-titik menyebar di atas dan dibawah angka 0 nol pada sumbu Y, hal ini berarti tidak terjadi penyimpangan asumsi