Tabel 4.10 Hasil Uji Normalitas Pendekatan
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 96
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 1.21448282
Most Extreme Differences Absolute
.065 Positive
.065 Negative
-.051 Kolmogorov-Smirnov Z
.639 Asymp. Sig. 2-tailed
.808 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil penelitian, 2013 data diolah
Situmorang 2012:107 memaparkan bahwa dasar pengambilan keputusan untuk Kolmogorov Smirnov yaitu nilai value pada kolom Asymp. Sig lebih besar dari
level of significant α = 5, maka tidak mengalami gangguan distribusi normal.
Melalui Tabel 4.10 terlihat bahwa nilai Asymp. Sig. 2-tailed adalah 0,808 dan diatas nilai signifikan 0,05. Dapat disimpulkan bahwa data residual
berdistribusi normal. Nilai kolmogorov-smirnov Z adalah 0,639 dan lebih kecil dari 1,97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi
empirik atau dengan kata lain data dikatakan normal.
2. Uji Heterokedastisitas
Heterokedastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Dengan kata lain, heterokedastisitas terjadi jika
residual tidak memiliki varian yang konstan. Alat untuk menguji heterokedastisitas
dapat dibagi dua yaitu dengan alat analisis grafik scatter plot atau dengan pendekatan statistik yang disebut sebagai Uji Glejser Situmorang, 2012:109.
a. Uji Glejser Kriteria pengambilan keputusannya adalah sebagai berikut:
1. Jika nilai signifikasi 0,05, maka tidak mengalami gangguan heterokedastisitas.
2. Jika nilai signifikansi 0,05, maka mengalami gangguan
heterokedastisitas.
Tabel 4.11 Hasil Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta
1 Constant
2.029 1.039
1.953 .054
Financial_Benefit -.083
.111 -.081
-.748 .456
Social_Benefit .001
.040 .002
.015 .988
Structural_Ties -.033
.041 -.084
-.795 .428
a. Dependent Variable: absut
Sumber: Hasil penelitian, 2013 data diolah
Pada Tabel 4.11 menunjukkan tidak adanya masalah heterokedastisitas, dimana hasil uji signifikan variabel financial benefit, social benefit, dan
structural ties menunjukkan nilai lebih besar dari 0,05. Jadi dapat disimpulkan tidak terdapat adanya heterokedastisitas dalam model regresi.
b. Pendekatan Grafik Heterokedastisitas dapat juga dilihat melalui gambar scatterplot. Gambar
scatterplot dapat mengindikasi ada atau tidaknya gejala heterokedastisitas.
Apabila grafik membentuk pola-pola tertentu yang teratur maka regresi mengalami gangguan heterokedastisitas. Jika grafik tidak membentuk pola
atau acak maka regresi tidak mengalami gangguan heterokedastisitas.
Sumber: Hasil penelitian, 2013 data diolah
Gambar 4.4 Scatter Plot Heterokedastisitas
Gambar 4.4 menunjukkan bahwa penyebaran residual cenderung tidak teratur, terdapat titik-titik yang berpencar dan tidak membentuk pola. Kesimpulan
yang dapat diperoleh adalah tidak terdapat gejala heterokedastisitas, sehingga model regresi layak dipakai untuk memprediksi kepuasan pelanggan,
berdasarkan masukan variabel financial benefit, social benefit, dan structural ties.
3. Uji Multikolinearitas
