4.4.2 Uji Asumsi Klasik
4.4.2.1 Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Pada penelitian ini digunakan dua cara untuk mengetahui
apakah data berdistribusi normal atau tidak, yaitu dengan pendekatan grafik plot dan pendekatan Kolmogrov Smirnov. Uji normalitas dengan menggunakan grafik plot atau
Normal P-P Plot of Regresion Standardized Residual yaitu jika data menyebar disekitar garis dan mengikuti arah garis diagonal maka data berdistribusi normal, dan uji normalitas dengan
menggunakan pendekatan Kolmogrov Smirnov yaitu apabila pada tingkat signifikan 5, nilai Asymp.Sig 2-tailed lebih besar dari 5 berarti bahwa variabel residual berdistribusi
normal.
Gambar 4.2 Normal Probability Plot
Sumber: data diolah menggunakan spss 2016
Berdasarkan gambar 4.2 dapat dilihat bahwa titik-titik mengikuti dan mendekati garis diagonalnya sehingga dapat disimpulkan bahwa data berdistribusi normal.
Universitas Sumatera Utara
Tabel 4.32 Hasil Uji Normalitas Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 100
Normal Parameters
a,b
Mean ,0000000
Std. Deviation 1,69867956
Most Extreme Differences Absolute
,067 Positive
,041 Negative
-,067 Kolmogorov-Smirnov Z
,666 Asymp. Sig. 2-tailed
,767 a. Test distribution is Normal.
b. Calculated from data.
Sumber: data diolah menggunakan spss 2016
Pada uji normalitas Kolmogorov Smirnov, apabila pada tingkat signifikan 5 nilai Asymp.Sig 2-tailed lebih besar dari 5 0,05 berarti bahwa variabel residual berdistribusi
normal, dan berdasarkan tabel 4.32 diatasdiketahui bahwa nilai Asymp.Sig adalah sebesar 0,767 0,05. Dengan demikian, dapat disimpulkan bahwa data pada penelitian ini
berdistribusi normal.
4.4.2.2 Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual
satu pengamatan ke pengamatan yang lain tetap, maka disebut homokedasitas, dan jika variance dari residual satu pengamatan ke pengamatan lain berbeda disebut heterokedasitas.
Untuk mendeteksi ada atau tidaknya heterokedasitas dapat dilakukan dengan melihat grafik scatterplot, dengan dasar analisis:
1. Jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur
bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heterokedasitas.
Universitas Sumatera Utara
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0
pada sumbu Y, maka titik terjadi heterokedasitas Hasil uji heterokedasitas dalam penelitian ini dapat dilihat pada gambar di bawah ini:
Gambar 4.3 Hasil Uji Heteroskedastisitas dengan Scatterplot
Sumber: data diolah menggunakan spss 2016
Pada grafik Scatterplot di atas gambar 4.2 dapat dilihat bahwa titik-titik menyebar dan tidak membentuk pola tertentu yang jelas.Dengan demikian dapat disimpulkan bahwa
tidak terjadi masalah heteroskedastisitas pada penelitian ini. 4.4.2.3 Uji Multikolinearitas
Uji Multikolinieritas merupakan uji yang menentukan ada tidaknya hubungan linier antar variabel independen dengan variabel independen lainnya.Model regresi yang baik tidak
boleh memiliki multikolinieritas di dalamnya.Untuk mendeteksi ada tidaknya multikolinieritas di dalam data penelitian dilihat dari nilai Tolerance Value dan Variance
Inflation Factor VIF. Ketentuan dalam uji ini adalah jika nilai Tolerance Value semua variabel independen 0,1 dan nilai VIF 10 maka tidak terjadi multikolinieritas dalam
penelitian. Hasil uji multikolinieritas dalam penelitian ini dapat dilihat dalam tabel di bawah ini:
Universitas Sumatera Utara
Tabel 4.33 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardize
d Coefficients
t Sig.
Collinearity Statistics
B Std. Error
Beta Toleranc
e VIF
1 Constan
t 5,271
1,601 3,293
,001 X1
,198 ,022
,671 8,947
,000 1,000
1,000 a. Dependent Variable: kepuasan pelanggan
Sumber: data diolah menggunakan spss 2016
Berdasarkan tabel hasil uji multikolinearitas diketahui bahwa nilai VIF lebih kecil dari 5 1,0 5 dan nilai Tolerance lebih besar dari 0,1 1,0 0,1, maka dapat disimpulkan
bahwa tidak terjadi persoalan multikolinearitas pada penelitian ini.
4.4.3 Analisis Regresi Linier Sederhana