Universitas Sumatera Utara
Tabel 4.11 N-Par Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 90
Normal Parameters
a,b
Mean 0E-7
Std. Deviation .96695244
Most Extreme Differences Absolute
.078 Positive
.078 Negative
-.053 Kolmogorov-Smirnov Z
.734 Asymp. Sig. 2-tailed
.654 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil penelitian, 2015 data diolah
Melalui Tabel 4.11 terlihat bahwa nilai Asymp. Sig. 2-tailed adalah 0,654 dan diatas nilai signifikan 0,05. Dapat disimpulkan bahwa data residual
berdistribusi normal. Nilai kolmogorov-smirnov Z dari Tabel 4.11 yaitu 0,734 dan lebih kecil dari 1,97 berarti tidak ada perbedaan antara distribusi teoritik dan
distribusi empirik atau dengan kata lain data dikatakan normal.
2. Uji Heteroskedastisitas
Metode ini digunakan untuk menguji apakah dalam sebuah model regresi terjadi kesamaan varians dari residual pada suatu pengamatan ke pengamatan
lainnya. Jika varians dari suatu residual suatu pengamatan ke pengamatan lainnya tetap, maka terjadi homoskedastisitas namun jika varians berbeda, maka disebut
heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas. Untuk mengetahui ada tidaknya gejala heteroskedastisitas
adalah dengan melihat ada tidaknya pola tertentu pada grafik Scatterplot, jika ada pola tertentu maka telah terjadi heteroskedastisitas pada model regresi.
Universitas Sumatera Utara Untuk mengatasi kelemahan pengujian dengan grafik dapat menggunakan
pendekatan statistik dengan uji Glejser, Heteroskedastisitas tidak akan terjadi apabila tidak satupun variabel independen signifikan secara statistik
mempengaruhi variabel dependen nilai absolut. Jika probabilitas signifikannya di atas tingkat kepercayaan 5 dapat disimpulkan model regresi tidak mengarah
adanya heteroskedastisitas. a.
Pendekatan Grafik Heterokedastisitas dapat juga dilihat melalui gambar scatterplot. Gambar
scatterplot dapat mengindikasi ada atau tidaknya gejala heterokedastisitas. Apabila grafik membentuk pola-pola tertentu yang teratur maka regresi
mengalami gangguan heterokedastisitas. Jika grafik tidak membentuk pola atau acak maka regresi tidak mengalami gangguan heterokedastisitas
Situmorang, 2012.
Gambar 4.5 Scatter plot heterokedastisitas
Sumber: Hasil penelitian, 2015 data diolah
Universitas Sumatera Utara Gambar 4.5 menunjukkan bahwa penyebaran residual cenderung tidak
teratur, terdapat titik-titik yang berpencar dan tidak membentuk pola. Kesimpulan yang dapat diperoleh adalah tidak terdapat gejala heterokedastisitas, sehingga
model regresi layak dipakai untuk memprediksi kepuasan pelanggan berdasarkan masukan variabel kualitas pelayanan.
b. Pendekatan Statistik Uji Glejser
Kriteria pengambilan keputusannya adalah sebagai berikut: 1.
Jika nilai signifikasi 0,05, maka tidak mengalami gangguan heterokedastisitas.
2. Jika nilai signifikansi 0,05,
maka mengalami gangguan heterokedastisitas.
Tabel 4.12 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .197
.806 .244
.808 Tangibles
.288 .086
.293 3.358
.001 realibility
.493 .118
.360 4.193
.000 Responsiveness
.126 .052
.150 2.440
.017 Assurance
.076 .037
.115 2.017
.047 Empathy
.273 .094
.206 2.888
.005 a. Dependent Variable: Kepuasan
Sumber: Hasil penelitian, 2015 data diolah
Universitas Sumatera Utara Pada Tabel 4.12 menunjukkan tidak adanya masalah heterokedastisitas,
dimana hasil uji signifikan variabel kualitas pelayanan yang terdiri dari bukti fisik, kehandalan, ketanggapan, jaminan dan empati menunjukkan nilai lebih besar dari
0,05. Jadi dapat disimpulkan tidak terdapat adanya heterokedastisitas dalam model regresi.
3. Uji Multikolinearitas