pertanyaan 5 hingga 6, sehingga diketahui bahwa pada variabel loyalitas pelanggan, dimensi yang memiliki skor rata-rata paling
rendah adalah continue purchasing dan yang tinggi adalah say positive things.
2. Analisis Regresi
a. Uji Asumsi Klasik
1 Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah data dari masing-masing variabel memiliki distribusi normal atau
tidak. Untuk menguji normalitas data dalam penelitian ini digunakan uji Kolmogorov-Smirnov. Uji ini dilakukan dengan
membandingkan nilai probabilitas atau nilai sig atau signifikansi yang diperoleh dengan taraf signifikansi yang sudah ditentukan
yaitu 0,05. Jika nilai probabilitas lebih besar dari 0,05 maka data berdistribusi normal. Hasil analisis diperoleh data sebagai
berikut:
Tabel V.11 Hasil Uji Normalitas Kolmogorov-Smirnov
Kolmogorov-Smirnov Statistic
Df Sig.
Unstandardized Residual 0,063
100 0,200
Sumber : Data Primer, olah data SPSS 2015
Berdasarkan tabel tersebut terlihat bahwa setelah diuji dengan
uji Kolmogorov-Smirnov
menunjukkan tingkat
signifikansi 0,200 0,05 maka dapat disimpulkan bahwa data berdistribusi normal.
2 Uji Heteroskedastisitas
Uji Heteroskedastisitas adalah keadaan dimana dalam model regresi terjadi ketidaksamaan varian dari residual pada
satu pengamatan ke pengamatan lain. Model regresi yang baik adalah tidak terjadi heteroskedostisitas.
Pengujian heteroskedastisitas
dilakukan dengan
menggunakan Scatterplot. Dasar pengambilan keputusannya yaitu:
1 Jika ada pola tertentu, seperti titik-titik yang ada
membentuk suatu pola tertentu yang teratur bergelombang, melebar
kemudian menyempit,
maka terjadi
heteroskedastisitas. 2
Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak
terjadi heteroskedastisitas atau disebut homoskedastisitas.
Gambar V.1 Hasil Uji Heteroskedastisitas - Scatterplot
Sumber : Data Primer, olah data SPSS 2015
Berdasarkan gambar di atas, terlihat titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, serta
tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedostisitas atau model regresi
liniernya homoskedastisitas, sehingga model regresi layak dipakai untuk prediksi loyalitas pelanggan berdasar masukan variabel
independennya yaitu experiential marketing dan kepuasan pelanggan.
3 Uji Autokorelasi
Uji Autokorelasi adalah keadaan dimana pada model regresi ada korelasi antara residual pada periode t dengan
residual pada periode sebelumnya t-1. Model regresi yang baik adalah yang tidak terdapat masalah autokorelasi.
Metode pengujian menggunakan uji Durbin-Watson DW test menurut Algifari 1997 adalah sebagai berikut:
Tabel V.12 Hasil Uji Autokorelasi Durbin-Watson
Kesimpulan DW
DW Test
Ada autokorelasi 1,08
Tidak ada kesimpulan 1,08-1,66
Tidak ada autokorelasi 1,66-2,34
2,028
Tidak ada kesimpulan 2,34-2,92
Ada autokorelasi 2,91
Sumber : Data Primer, olah data SPSS 2015
Berdasarkan hasil output di atas diperoleh DW test statistik adalah sebesar 2,028 menunjukkan bahwa nilai Durbin
Watson tersebut berada pada nterval 1,66 hingga 2,34 sehingga dapat dipastikan bahwa pada model regresi linier berganda
tersebut tidak terjadi autokorelasi.
4 Uji Multikolinearitas
Multikolinearitas adalah keadaan dimana pada model regresi ditemukan adanya korelasi yang sempurna atau
mendekati sempurna antarvariabel independen experiential marketing dan kepuasan pelanggan. Pada model regresi yang
baik seharusnya tidak terjadi korelasi yang sempurna atau mendekati sempurna diantara variabel bebas.
Pengujian multikolinearitas adalah jika nilai Tolerance 1 dan nilai VIF 10 maka dikatakan tidak multikolinearitas.
Tabel V.13 Hasil Uji Multikolinearitas
Variabel Independen Tolerance
Value VIF
Kesimpulan
Experiential Marketing 0,934
1,070 Tidak ada multikolinearitas
Kepuasan Pelanggan 0,934
1,070 Tidak ada multikolinearitas
Sumber : Data Primer, olah data SPSS 2015
Berdasarkan hasil uji multikolinearitas diketahui bahwa nilai tolerance lebih besar dari 0,10 dan nilai VIF kurang dari 10 maka tidak
terjadi multikolinearitas, regresi atau model yang digunakan dalam penelitian bebas multikolinearitas.
b. Persamaan Regresi Berganda
