Gambar 4.1 Normal P-P Plot dengan Variabel Terikat Keputusan Berkunjung
Sumber: Data primer yang sudah diolah,2011 Terlihat berdasarkan gambar 4.1, titik-titik mendekati garis diagonal yang berarti
bahwa model regresi berdistribusi normal.
b. Uji Multikolinieritas
Syarat berlakunya model regresi berganda adalah antar variabel bebasnya tidak memiliki hubungan sempurna atau tidak mengandung multikolinieritas. Uji
multikolinearitas digunakan untuk mengetahui adanya hubungan yang sempurna atau mendekati sempurna diantara beberapa atau semua variabel independen yang
menjelaskan model regresi. Pengujian multikolinieritas ini dapat dilihat berdasarkan nilai variance inflation factor VIF. Antara variabel bebas dikatakan multikoliniaritas apabila
toleransinya 0,1 dan VIF 10. Hasil pengujian multikoliniaritas selengkapnya dapat dilihat pada tabel 4.15 berikut:
Tabel 4.22 Uji Multikolinieritas
No. Variabel
Tollerance VIF
Keterangan 1
Harga 0,665
1,504 Bebas Multikolinieritas
2 Lokasi
0,505 1,979
Bebas Multikolinieritas 3
Fasilitas 0,637
1,570 Bebas Multikolinieritas
Sumber: Data primer yang sudah diolah,2011 Berdasarkan tabel 4.15 diketahui nilai Variance Inflaction Faktor VIF di
bawah 10 dan nilai tolerance di atas 0,1. Jadi dapat disimpulkan tidak terjadi multikolinearitas antara variabel bebas harga, lokasi dan fasilitas terhadap variabel
terikat keputusan berkunjung.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui apakah terjadi penyimpangan model karena varian gangguan yang berbeda antara satu observasi ke
observasi yang lain. Model yang bebas berdasarkan heterokedastisitas memiliki grafik Scatterplot dengan pola titik-titik yang menyebar di atas dan di bawah sumbu Y atau
tidak adanya pola tertentu pada gambar Scatterplot 4.2 berikut ini : Gambar 4.2
Scatterplot dengan Variabel Terikat Keputusan Berkunjung
Sumber: Data primer yang sudah diolah,2011
Berdasarkan gambar 4.2. di atas menunjukkan bahwa titik-titik yang menyebar secara acak, tidak membentuk pola tertentu serta tersebar baik di atas
maupun di bawah angka 0 nol pada sumbu Y. Dengan demikian maka dapat disimpulkan bahwa variabel pada pengujian penelitian ini bebas dari gejala
heterokedastisitas. Pengujian heteroskedastisitas dapat dilihat pula dari uji Glejser untuk
meregresi nilai absolute residual terhadap variabel bebas. Sebagai pengertian dasar, residual adalah selisih antara nilai observasi dengan nilai prediksi dan absolut adalah
nilai mutlaknya. Adanya heteroskedastisitas berarti adanya variabel dalam model yang tidak
sama konstan. Maka dengan asumsi : 1. Jika nilai signifikan 0,05 maka tidak mengalami gangguan heteroskedastisitas.
2. Sebaliknya, jika nilai signifikan 0,05 maka mengalami gangguan heteroskedastisitas.
Dari uji statistik menggunakan SPSS 16 didapatkan hasil sebagai berikut : Tabel 4.23 Uji Glejser
Coefficients
a
Unstandardized Coefficients Standardized
Coefficients Model
B Std. Error
Beta t
Sig. Constant
2.235 .586
3.871 .000
Harga -.071
.123 -.060
-.769 .561
Lokasi .022
.070 .147
1.540 .089
1
fasilitas -.013
.092 -.038
-.153 .890
a. Dependent Variable: Unstandardized Residual
Dari tabel diatas menunjukkan nilai signifikan untuk variabel harga sebesar 0,561, variabel lokasi sebesar 0,089, variabel fasilitas sebesar 0.890, dari semua variabel
mempunyai nilai signifikan 0,05 sehingga dapat dikatakan bahwa tidak mengalami gangguan heteroskedastisitas.
d. U ji A u tok orelasi
