Hasil Uji Normalitas Data

92 Tabel 4.13 Hasil Uji Reabilitas Kualitas Layanan Melalui SPSS Reliability Statistics Cronbachs Alpha N of Items .831 5 Sumber: data diolah, 2014 Berdasarkan hasil pengujian reliabilitas dengan program SPSS seperti terlihat dalam tabel 4.13, diketahui nilai Alpha Cronbach 0,831 r tabel 0,60, maka dapat disimpulkan bahwa instrumen variabel Kualitas Layanan adalah reliabel. 6 Pengujian Reliabilitas Kepuasan Nasabah melalui SPSS. Pengujian reliabilitas dengan program SPSS, dapat dilihat dalam tabel berikut. Tabel 4.14 Hasil Uji Reabilitas Kepuasan Nasabah Melalui SPSS Reliability Statistics Cronbachs Alpha N of Items .735 9 Sumber: data diolah, 2014 Berdasarkan hasil pengujian reliabilitas dengan program SPSS seperti terlihat dalam tabel 4.14, diketahui nilai Alpha Cronbach 0,735 r tabel 0,60, maka dapat disimpulkan bahwa instrumen variabel Kepuasan Nasabah adalah reliabel.

3. Hasil Uji Asumsi Klasik

a. Hasil Uji Normalitas Data

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. 93 Dalam uji normalitas terdapat dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik. Uji normalitas data dengan menggunakan pengolahan SPSS 20. Menghasilkan grafik sebagai berikut: Gambar 4.2 Hasil Uji Normalitas Secara Grafik Sumber: data diolah, 2014 Berdasarkan gambar di atas, dapat dilihat bahwa titik-titik yang menyebar di sekitar garis diagonal dan penyebaran titik-titik data searah dengan garis diagonal menandakan bahwa model asumsi regresi memenuhi asumsi normalitas dan model regresi layak untuk menganalisis pengaruh variabel-variabel bebas produk, harga, distribusi, promosi, kualitas layanan terhadap kepuasan nasabah. 94 Tabel 4.15 Hasil Uji Normalitas Secara Statistik One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 50 Normal Parameters a,b Mean .0000000 Std. Deviation 1.70629461 Most Extreme Differences Absolute .111 Positive .111 Negative -.088 Kolmogorov-Smirnov Z .788 Asymp. Sig. 2-tailed .564 a. Test distribution is Normal. b. Calculated from data. Sumber: data diolah, 2014 Berdasarkan uji kolmogorov-smirnov dapat diketahui bahwa nilai unstandardized residual memiliki nilai Asymp. Sig. 0,05, ini mengartikan bahwa data terdistribusi dengan normal. b. Uji Multikolinearitas Untuk uji multikolinearitas diperlukan untik memperoleh korelasi yang sebenarnya, yang murni tidak dipengaruhi variabel-variabel lain yang mungkin saja berpengaruh. Istilah dikontrol menunjukan pada pengertian ditiadakannya pengaruhnya terhadap variabel-variabel yang dikrelasikan. Tabel. 4.16 Hasil Uji Multikolineritas Coefficients a Model Collinearity Statistics Tolerance VIF 1 Constant Produk .734 1.780 Harga .737 1.736 Distribusi .641 1.560 Promosi .941 1.063 Kualitas Pelayanan .367 2.728 a. Dependent Variable: Kepuasan Nasabah Sumber: data diolah, 2014 95 Berdasarkan table 4.16 di atas, dari hasil uji Variance Inflation Factor VIF pada hasil output SPSS tabel coefficient, masing-masing variabel independen memiliki VIF 10 dan nilai Tolerance 0,1 maka dapat dinyatakan model regresi linier berganda tidak terdapat multikoliniearitas antara variabel dependen dengan variabel independen yang lain sehingga dapat digunakan dalam penelitian ini. c. Hasil Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan yang lain. Heteroskedastisitas menunjukan bahwa variasi variabel tidak sama untuk semua pengamatan. Pada heterokedastisitas kesalahan yang terjadi tidak secara acak tetapi menunjukan hubungan yang sistematis sesuai dengan besarnya satu atau lebih variabel. Uji Heteroskedastisitas dapat dilakukan dengan 2 langkah yaitu secara grafik dan secara statistik, adapun uji heteroskedastisitas adalah sebagai berikut: 1 Uji Heteroskedastisitas Secara Grafik Scatterplot Deteksi ada tidaknya heteroskedastisitas dapat dilakukan 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 sesungguhnyayang telah di-studentized Ghozali, 2009:125-126. Berdasarkan hasil pengolahan data, maka hasil Scatterplot dapat dilihat pada gambar berikut: 96 Gambar 4.3 Hasil Uji Heteroskedastisitas Secara Grafik Sumber: data diolah, 2014 Dari grafik scatterplot yang ada pada gambar di atas dapat dilihat bahwa titik-titik menyebar secara acak, serta tersebar baik di atas maupun dibawah angka nol pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi Ghozali 2009:107. 2 Uji Heteroskedastisitas Secara Statistik Uji heteroskedastisitas juga dapat dilakukan dengan menggunakan uji Glejser yaitu dengan tujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Apabila koefisien korelasi dari masing-masing variabel bebas ada yang signifikan pada tingkat kekeliruan di bawah 5, mengindikasikan adanya gejala 97 heteroskedastisitas dan jika nilai signifikan pada tingkat kekeliruan di atas 5, mengindikasikan tidak adanya gejala heteroskedastisitas. Berdasarkan hasil pengolahan data, maka hasil uji glejser dapat dilihat sebagai berikut: Tabel. 4.17 Hasil Uji Heteroskedastisitas Secara Statistik Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 1.573 2.370 .664 .510 Produk .090 .390 .183 .230 .819 Harga -.193 .427 -.341 -.452 .653 Distribusi -.036 .101 -.065 -.356 .723 Promosi -.004 .058 -.012 -.077 .939 Kualitas Pelayanan .108 .120 .216 .896 .375 a. Dependent Variable: RES2 Sumber: data diolah, 2014 Berdasarkan uji glejser dapat diketahui bahwa nilai Sig. pada lima variabel produk, harga, distribusi, promosi dan kualitas pelayanan terhadap RES2. Semuanya nilai Sig. 0,05 berarti tidak terdapat gejala heteroskedastisitas, maka layak menjadi penelitian.

4. Hasil Uji Hipotesis