4.6 Uji Asumsi Klasik
Uji asumsi klasik diperlukan agar mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya gejala heteroskedastisitas,
gejala multikolinearitas, dan gejala autokorelasi. Model regresi akan dapat dijadikan estimasi yang tidak bias dan efisien jika memenuhi persyaratan BLUE
Best Linier Unbiased Estimator. Menurut Ghozali 2005:123 asumsi klasik yang harus dipenuhi adalah berdistribusi normal, non-multikolinearitas, non-
autokorelasi dan non-heteroskedastisitas.
4.6.1 Uji Multikolinieritas
Uji multikolinearitas dilakukan untuk menguji apakah model regresi yang digunakan dalam penelitian ini ditemukan adanya korelasi antar variabel
independen. Apabila terdapat korelasi, maka diidentifikasi ada masalah multikolinearitas. Sebab model regresi yang baik seharusnya tidak terjadi korelasi
diantara variabel independen. Tabel 4.18 Hasil Uji Multikolinieritas
Model CollinearityStatistics
Tolerance VIF
Bukti Fisik X
1
0,574 1,743
Kehandalan X
2
0,418 2,393
Daya Tanggap X
3
0,503 1,986
Jaminan X
4
0,507 1,971
Empati X
5
0,481 2,081
Sumber : Lampiran 5
Berdasarkan Tabel 4.18 dapat diketahui bahwa tidak ada satu pun variabel yang memiliki nilai tolerance dibawah 0,10 dan nilai Variance Inflation
Factor VIF di atas kurang dari 10. Maka dapat disimpulkan bahwa tidak terjadi masalah multikolinieritas pada model regresi.
4.6.2 Uji Heteroskedastisitas
Tujuan uji heteroskedastisitas untuk menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan varians dari residual dari suatu pengamatan ke
pengamatan lain. Jika tetap maka disebut homokedastisitas dan jika berbeda
disebut heteroskedatisitas. Model regresi yang baik adalah homokedastisitas atau tidak terjadi heteroskedastisitas. Heteroskedastisitas diuji dengan menggunakan
uji koefisien korelasi rankspearman yaitu mengkorelasikan antara absolute residual hasil regresi dengan semua variabel bebas.
Tabel 4.20 Hasil Uji Heteroskedastisitas
Spearman’s rho Absolute
Residual
Bukti Fisik X
1
Correlation Coefficient 0,117
Sig. 2-tailed 0,247
N 100
Kehandalan X
2
Correlation Coefficient 0,184
Sig. 2-tailed 0,067
N 100
Daya Tanggap X
3
Correlation Coefficient 0,226
Sig. 2-tailed 0,053
N 100
Jaminan X
4
Correlation Coefficient 0,081
Sig. 2-tailed 0,422
N 100
Empati X
5
Correlation Coefficient 0,216
Sig. 2-tailed 0,081
N 100
Absolute Residual
Correlation Coefficient 1,000
Sig. 2-tailed 0,000
Correlation Coefficient 0,117
Sumber : Lampiran 5
Berdasarkan Tabel 4.20 dapat diketahui bahwa nilai korelasi dari kedua variabel independent dengan AbsoluteResidual Sig. 2-tailed memiliki nilai
signifikansi sebesar 0,247 X
1
; 0,067 X
2
; 0,053 X
3
; 0,422 X
4
dan 0,081 X
5
yang menunjukkan lebih besar dari 0,05. Maka dapat disimpulkan bahwa tidak terjadi masalah Heteroskedastisitas pada model regresi.
4.6.3 Uji Autokorelasi
Tujuannya untuk menguji apakah dalam sebuah model regresi linier barganda ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka terjadi autokorelasi. Hasil uji autokorelasi dapat dilihat pada Tabel 4.19 sebagai berikut
Tabel 4.19 Hasil Uji Autokorelasi