16
4. Asumsi Klasik
a. Uji Normalitas
Uji normalitas ini bertujuan untuk mengetahui setelah perlakuan akan berdistribusi normal atau tidak Sudjana, 1996:291. Untuk uji normalitas
data hasil tes dengan melihat normal probability plot melalui tampilan output SPSS 12. Metode
normal probabilitas plot
membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari
distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data akan dibandingkan dengan garis diagonal. Jika
distribusi data adalah normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya Singgih Santoso,
2002:214
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen, dapat
diketahui dengan melihat koefisien korelasi parsial antara variabel bebas. Variabel yang menyebabkan multikolinearitas dapat dilihat dari nilai
tolerance
maupun VIF
Variance Inflation Factor
. Model regresi yang bebas multikolinearitas mempunyai nilai VIF
10 dan mempunyai angka
tolerance
0,1 atau mendekati 1 Singgih Santoso, 2000.
c. Uji Autokorelasi
Uji autokorelasi bertujuan untuk mengetahui apakah dalam suatu model regresi linier terdapat korelasi antara pengganggu pada periode t
dengan kesalahan pada periode t-1 Ghozali,2001: 67. Pengujian autokorelasi dengan menggunakan uji Durbin
– Watson. Untuk mendiagnosis adanya autokorelasi dalam suatu model regresi
maka dilakukan pengujian Durbin – Watson DW test dengan pengambilan
keputusan sebagai berikut Makridakis,1983 : 1,65 DW 2,35 tidak terjadi autokorelsi
1,21 DW 1,65 atau 2,35 DW 2,79 tidak dapat disimpulkan
DW 1,21 atau DW 2,79 terjadi autokorelasi d.
Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan
variance
dari residual suatu pengamatan ke pengamatan lain. Model regresi yang lain adalah homokesdastisitas atau tidak terjadi
heteroskesdastisitas. Kebanyakan data
cross section
mengandung situasi heteroskesdastisitas karena data ini menghimpun data yang mewakili
berbagai ukuran kecil, sedang, dan besar. Beberapa cara untuk mendeteksi dengan melihat
Scatterplot
. Analisis pada grafik
scatterplot
yang menyatakan model regresi berganda tidak terdapat heteroskedastisitas jika
titik – titik data meyebar di atas dan di bawah atau sekitar angka 0. Titik-
titik data tidak mengumpul hanya di atas atau di bawah saja, penyebaran data tidak boleh membentuk pola bergelombang melebar kemudian
menyempit dan melebar kembali, penyebaran titik – titik data sebaiknya
tidak berpole Nugroho, 2005: 51.
17
3 Analisis Regresi Linear Berganda
Untuk mengetahui pengaruh variabel kualitas bangunan, lokasi, desain, sarana-prasarana dan citra perusahaan
variabel bebas
terhadap variabel kepuasan konsumen
variabel terikat
digunakan analisis regresi berganda karena data pengamatan terdiri dari beberapa variabel bebas
independent variabel
, yang mana estimasi persamaannya ditujukan untuk menggambar suatu pola hubungan
fungsi yang ada di antara variabel-variabel tersebut. Alasan menggunakan metode tersebut karena hasil analisis regresi linear
berganda ini mampu mengidentifikasikan dan menjelaskan variabel-variabel bebas yang signifikan terhadap variabel terikat, serta mampu menjelaskan
hubungan linear yang mungkin terdapat di antara variabel terikat dengan lebih dari satu variabel bebas. Selain itu, analisis ini mudah dimengerti dan dapat
digunakan dalam berbagai situasi yang berbeda
Persamaan regresi linier berganda yang digunakan dalam penelitian ini
adalah sebagai berikut :
Y = +
1
X
1
+
2
X
2
+
3
X
3
+
4
X
4
+ e Keterangan :
= Konstanta
1-4
= Koefisien Regresi X
1
= Kemampuan Intelektual X
2
= Ketrampilan X
3
= Motivasi Kerja X
4
= Disiplin Kerja Y = Kinerja Guru
e = Standar error
4 Pengujian Model
a. Koefisien Determinasi R Square
Kategori