4.5. Uji Asumsi Klasik 4.5.1 Uji Normalitas
Uji normalitas merupakan suatu bentuk pengujian tentang kenormalan distribusi data.
Uji normalitas digunakan untuk mengetahui apakah residual yang diteliti berdistribusi normal atau tidak. Pada penelitian ini metode yang
digunakan untuk melihat normalitas data yaitu metode Kolmogorov Smirnov. Distribusi normal baku adalah data yang telah ditransformasikan ke dalam
bentuk Z-Score dan diasumsikan normal. Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di bawah 0,05 berarti data yang akan
diuji mempunyai perbedaan yang signifikan dengan data normal baku, berarti data tersebut tidak normal. Terlihat pada Tabel 11, bahwa P-value yaitu
Asymp.Sig 2-tailed bernilai 0.918 0.05, sehingga disimpulkan bahwa residual telah memenuhi asumsi distribusi normal. Hasil uji normalitas
selengkapnya dapat dilihat pada Lampiran 7. Selain itu, tampak juga secara visual gambar pada P Plot dimana titik-titik residual mengikuti pola garis lurus
dan juga kurva berbentuk lonceng yang kedua sisinya melebar sampai tak terhingga Lampiran 7.
Tabel 11. Uji Kolmogorov-Smirnov Model Z
Asymp.Sig 2-tailed
Kriteria Kesimpulan
Unstandardized Residual
0,554 0,918
0,05 Data
Berdistribusi Normal
4.5.2 Uji Multikolineritas
Uji multikolineritas bertujuan untuk mengetahui ada tidaknya variabel independent
yang memiliki korelasi antar variabel independent lain dalam satu model. Multikolineritas diuji dengan melihat nilai Tolerance yang tidak kurang
dari 0,1 dan nilai Variance Inflation Factor VIF yang tidak lebih dari 10 sehingga model dapat dikatakan terbebas dari multikolineritas. Dalam pengujian
asumsi klasik terhadap analisis regresi linear berganda ini menunjukkan bahwa hasil analisis penelitian ini tidak menunjukkan adanya gejala multikolinieritas
dimana nilai Tolerance tidak kurang dari 0,1 dan nilai VIF pada masing-masing
variabel tidak lebih besar dari 10, seperti yang terlihat pada Tabel 12. Maka dapat disimpulkan bahwa tidak terdapat gejala multikolinieritas antara variabel-
variabel bebas yang digunakan pada penelitian ini. Hasil uji multikolinerasi selengkapnya dapat dilihat pada Lampiran 7.
Tabel 12. Uji Multikolineritas Variabel Tolerance VIF
Kriteria Kesimpulan
Persepsi Pelanggan
0,809 1,236 Nilai
Pelanggan 0,720 1,388
Terbebas asumsi klasik
Daya Saing
0,583 1,714 Tolerance
≥ 0,1 VIF
≤ 10 statistik
multikolineritas Kualitas
Pelayanan Jasa
0,502 1,991
Perilaku Pelanggan
0,634 1,577
4.5.3 Uji Heteroskesdastisitas
Pengujian heteroskesdastisitas dilakukan untuk melihat apakah terdapat ketidaksamaan ragam dari residual satu ke pengamatan ke pengamatan yang
lain. Kondisi heteroskedastisitas sering terjadi pada data cross section, atau data yang diambil dari beberapa responden pada suatu waktu tertentu. Model regresi
yang memenuhi persyaratan adalah di mana terdapat kesamaan ragam dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut
homoskedastisitas. Ada tidaknya heteroskedastisitas dapat diprediksi dengan melihat pola gambar Scatterplot. Dari hasil pengolahan data yang dapat dilihat
pada Lampiran 7, menunjukkan bahwa tidak terdapat heteroskedastisitas pada model regresi ini. Hal ini terlihat dari Scatterplot yang menunjukkan terdapat
titik-titik data yang tersebar di atas, di bawah dan sekitar angka nol, dan penyebaran titik data tidak berpola.
4.6. Analisis Regresi Linier Berganda
