persentasi persepsi responden tentang minat berkunjung kembali sebesar 77 dan termasuk dalam kriteria tinggi.
c. Kesediaan untuk merekomendasikan
Tabel 4.17 Distribusi Kesediaan Untuk Merekomendasikan
Interval Persen Kriteria
Frekuensi Persentasi Persentase rata-rata 84,1 - 100
Sangat tinggi 27
28 80
68,1 - 84 Tinggi
59 61
52,1 - 68 Sedang
7 7
36,1 -52 Rendah
3 3
20 - 36 Sangat rendah
Jumlah 96
100
Sumber : Data primer diolah, 2012
Berdasarkan Tabel 4.17 di atas dapat diketahui dari 96 responden diperoleh keterangan tentang kesediaan untuk merekomendasikan
sebagai berikut : 27 responden 28 memiliki kesediaan untuk merekomendasikan sangat tinggi, 59 responden 61 memiliki
kesediaan untuk merekomendasikan tinggi, 7 responden 7 memiliki kesediaan untuk merekomendasikan sedang, 3 responden 3 memiliki
kesediaan untuk merekomendasikan rendah, 0 responden 0 memiliki kesediaan untuk merekomendasikan sangat rendah. Secara rata-rata
persentasi persepsi responden kesediaan untuk merekomendasikan sebesar 80 dan termasuk dalam kriteria tinggi.
4.2 Uji Asumsi Klasik
4.2.1 Uji Normalitas
Ghozali 2009:110 mengungkapkan bahwa ini normalitas bertujuan untuk mengetahui apakah data berdistribusi normal atau tidak. Jika probabilitas 0,05
maka data penelitian berdistribusi normal. Hasil uji normalitas kolmorov-smirnov dengan menggunakan program SPSS adalah sebagai berikut :
Tabel 4.6 Uji Normalitas Kolmogrov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
96 Normal Parameters
a
Mean .0000000
Std. Deviation 2.20253179
Most Extreme Differences Absolute .055
Positive .031
Negative -.055
Kolmogorov-Smirnov Z .537
Asymp. Sig. 2-tailed .936
a. Test distribution is Normal.
Sumber : Data primer diolah, 2012 Berdasarkan uji normalitas kolmogrov-smirnov terlihat dari Asymp. Sig.
2-tailed sebesar 0,936 atau probabilitas 0,05 maka data penelitian berdistribusi normal.
4.2.2 Uji Heterokedastisitas
Ghozali 2009:105 mengungkapkan bahwa uji heteroskedastisitas bertujuan untuk menguji apakah dalam regresi terjadi ketidaksamaan variance
dari residual suatu pengamatan ke pengamatan yang lain. Heteroskedastisitas menunjukkan penyebaran variabel bebas. Model regresi yang baik adalah yang
homoskedastisitas atau tidak terjadi heteroskedastisitas. Uji heterokedastisitas dilakukan dengan uji Glejser. Uji glejser yaitu
pengujian dengan meregresikan nilai absolut residual terhadap variabel independen. Jika nilai probabilitas signifikannya di atas tingkat kepercayaan 5
atau 0,05 maka dapat disimpulkan model regresi tidak mengandung adanya
heterokedastisitas. Hasil dari uji glejser dengan menggunakan program SPSS adalah sebagai berikut :
Tabel 4.7 Hasil Uji Glejser
Coefficients
a
Model Unstandardized Coefficients Standardized Coefficients
t Sig.
B Std. Error
Beta 1 Constant
4.325 1.529
2.829 .006 X1
-.014 .044
-.042 -.310 .757 X2
-.093 .077
-.164 -1.211 .229 a. Dependent Variable: Y
Sumber : Data primer diolah, 2012 Tabel 4.77 menunjukkan hasil uji glejser di atas terlihat bahwa nilai
probabilitas variabel X1 kualitas pelayanan 0,757 0,05 dan X2 nilai pelanggan 0,229 0,05. Keseluruhan variabel bebas memiliki nilai signifikansi
lebih besar dari 0,05 maka dapat disimpulkan tidak terjadi heterokedastisitas. 4.2.3
Uji Multikolinieritas
Ghozali 2009:91 mengungkapkan bahwa uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel
bebas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas. Untuk mendeteksi Untuk mendeteksi ada tidaknya multikolonearitas di
dalam model regresi adalah dengan melihat nilai tolerance dan Variance Inflation Factor VIF. Apabila nilai tolerance 10 dan nilai VIF 10, maka dapat
disimpulkan tidak ada multikolinieritas antar variabel bebas dalam model regresi. Berikut hasil perhitungan menggunakan program SPSS :
Tabel 4.8 Hasil Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant 9.468
2.616 3.619 .000
X1 .282
.075 .393 3.757 .000
.562 1.779 X2
.407 .131
.324 3.100 .003 .562 1.779
a. Dependent Variable: Y
Sumber : Data primer diolah, 2012
Tabel 4.18 menunjukkan hasil uji multikolinieritas di atas diketahui bahwa nilai tolerance X1 kualitas pelayanan 0,562 0,10 dan X2 nilai pelanggan
0,562 0,10 menunjukkan tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar variabel
independen yang nilainya lebih dari 95. Hasil perhitungan nilai Variance Inflaction Factor VIF juga menunjukkan hal yang sama tidak ada satu variabel
independen yang memiliki nilai VIF lebih dari 10. Nilai X1 kualitas pelayanan 1,779 10 dan X1 nilai pelanggan 1,779 10. Jadi dapat disimpulkan bahwa
tidak ada multikolinearitas antar variabel independen dalam model regresi.
4.2.4 Uji Linieritas
