Tabel 4.11 One- Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 35
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .29999074
Most Extreme Differences
Absolute .127
Positive .127
Negative -.074
Kolmogorov-Smirnov Z
.749 Asymp. Sig. 2-
tailed .629
a. Test distribution is Normal. b. Calculated from data.
Berdasarkan Tabel 4.11 mengindikasikan bahwa data mempunyai distribusi normal, dimana berdasarkan nilai signifikan Kolmogorov-Smirnov menunjukkan
nilai lebih besar 0,05 yang mempunyai nilai signifikan 0,629 maka dapat dinyatakan bahwa data mempunyai distribusi normal.
4.3.2. Uji Multikolinearitas
Dalam mendeteksi ada tidaknya gejala multikolinearitas antar variabel independen pada model persamaan pertama digunakan variance inflation factor
VIF. Berdasarkan hasil yang ditunjukkan dalam output SPSS maka besarnya VIF dari masing-masing variabel independen dapat dilihat pada Tabel 4.12
sebagai berikut:
Universitas Sumatera Utara
Tabel 4.12 Hasil Perhitungan VIF
Coefficients
a
Model Collinearity
Statistics Tolerance
VIF 1
Constant Inovasi
.087 4.439
Tangible .168
3.951 Empathy
.199 3.015
Responsiveness .168
3.935 Reliability
.087 4.439
Assurance .074
4.564 a. Dependent Variable: Kepuasan Pelanggan
Berdasarkan Tabel 4.12 diatas menunjukkan bahwa kedua variabel independen tidak terjadi multikolinearitas karena nilai VIF 5,0. Sehingga dapat
disimpulkan tidak terdapat pengaruh antar variabel independen. Dengan demikian variabel independen Inovasi dan Kualitas Pelayanan tangible, emphaty,
responsiveness, reliability, dan assurance dapat digunakan untuk memprediksi Kepuasan Pelanggan selama periode pengamatan.
4.3.3. Uji Heteroskedastisitas
Berdasarkan output SPSS maka hasil uji heteroskedastisitas dapat ditunjukkan dalam Tabel 4.13 sebagai berikut:
Universitas Sumatera Utara
Tabel 4.13 Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients B
Std. Error Beta
t Sig.
1 Constant
.265 .232
1.141 .264
Inovasi -.027
.027 -.739
-.996 .328
Tangible -.009
.034 -.231
-.252 .803
Emphaty .041
.033 1.128
1.259 .218
Responsive -.056
.042 -1.458
-1.349 .188
Reliability -.018
.035 -.457
-.514 .611
Assurance .074
.040 1.908
1.847 .075
a. Dependent Variable: absut Berdasarkan hasil yang ditunjukkan dalam Tabel 4.13 tersebut nampak
bahwa variabel bebas yaitu: Inovasi dan Kualitas Pelayanan tangible, emphaty, responsiveness, reliability, dan assurance menunjukkan hasil yang tidak
signifikan yaitu terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5, sehingga dapat disimpulkan bahwa variabel tersebut tidak terjadi
heteroskedastisitas dalam varian kesalahan, dan variabel Inovasi dan Kualitas Pelayanan yang digunakan tidak mempengaruhi risidualnya. Untuk menentukan
heteroskedastisitas juga dapat menggunakan grafik scatterplot, titik-titik yang terbentuk harus menyebar secara acak, tersebar baik diatas maupun dibawah
angka 0 pada sumbu Y. Hasil uji heteroskedastisitas dapat dilihat melalui grafik Scatterplot, yang ditunjukkan pada Gambar 4.3 dibawah ini:
Universitas Sumatera Utara
Gambar 4.3 Uji Heteroskedastisitas
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka nol 0 pada sumbu Y, tidak
berkumpul disatu tempat, serta tidak membentuk pola tertentu sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi dalam
artinya bahwa varian semua variabel ini menunjukkan variabel independen Inovasi dan Kualitas Pelayanan dapat digunakan untuk memprediksi Kepuasan
Pelanggan Beverly Café di Medan.
4.4. Regresi Linear Berganda
