Pengujian Persyaratan Analisis

B. Pengujian Persyaratan Analisis

Sebelum pengujian hipotesis dilakukan, data yang akan digunakan untuk analisis statistik dengan teknik regresi ganda harus memenuhi persyaratan sebagai berikut:

1. Uji Normalitas

Normalitas digunakan untuk mengetahui apakah data yang akan dianalisis berbentuk sebaran normal atau tidak. Deteksi normalitas dapat diketahui dengan melihat penyebaran data pada sumbu diagonal pada suatu grafik. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas. Hasil uji normalitas bisa dilihat dalam gambar berikut:

Sumber: Data primer yang diolah (2011) Gambar 4. Grafik Normal P-Plot of Regression Standardized Residual

Gambar di atas menunjukkan bahwa data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, sehingga model regresi memenuhi asumsi normalitas.

2. Uji Multikolinearitas

Pengujian multikolineritas dilakukan untuk melihat apakah pada model regresi ditemukan adanya korelasi antara variabel independen. Cara mendeteksinya adalah dengan melihat nilai tolerance dan nilai Variance Inflation Factor (VIF), dimana menurut Singgih Santoso (2001) pada umumnya jika nilai VIF lebih besar dari 5, maka variabel tersebut mempunyai persoalan multikolinearitas dengan variabel lainnya.

Coefficients a

Model

Collinearity Statistics Tolerance

VIF

1 (Constant) Harga

0,828

1,207 Kelengkapan produk

0,644

1,552 Keunikan

0,738

1,355 Kenyamanan

0,987

1,013 Service quality

0,659

1,517 Good place

0,768

1,302

a. Dependent Variable: Store loyalty

Sumber: Data primer yang diolah (2011)

Berdasarkan uji multikolinieritas di atas diperoleh hasil sebagai berikut, diketahui koefisien VIF untuk harga adalah 1,207. Koefisien VIF untuk kelengkapan produk adalah 1,552. Koefisien VIF untuk keunikan adalah 1,355. Koefisien VIF untuk kenyamanan adalah 1,013. Koefisien VIF untuk service quality adalah 1,517. Koefisien VIF untuk good place to shop adalah 1,302. Karena nilai VIF masing-masing variabel tidak lebih dari 5 maka model regresi bebas dari masalah multikolinearitas.

3. Uji Heteroskedastisitas

Uji heterokedastisitas bertujuan untuk menguji apakah dalam sebuah regresi terjadi ketidaksamaan varians dari residual dari suatu pengamatan ke pengamatan lain. Hasil pengujian heterokedastisistas dalam penelitian ini dapat dilihat pada gambar berikut:

Sumber: Data primer yang diolah (2011) Gambar 5. Scatterplot Regression Studentised Residual

Berdasarkan gambar di atas, terlihat 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 menunjukkan tidak terdapat heterokedastisitas pada model regresi, sehingga model regresi layak dipakai.

4. Uji Autokorelasi

Uji autokorelasi digunakan untuk mendeteksi apakah variabel pengganggu dari masing-masing variabel bebas saling mempengaruhi. Hasil uji autokorelasi dalam penelitian ini bisa dilihat dalam tabel berikut:

Model

Durbin-Watson

a. Predictors: (Constant), Good place, Kenyamanan, Harga, Keunikan , Service quality, Kelengkapan produk

b. Dependent Variable: Store loyalty

Sumber: Data primer yang diolah (2011)

Berdasarkan uji autokorelasi di atas diperoleh hasil angka D-W sebesar 1,802. Nilai D-W terletak diantara -2 sampai 2 (-2 < 1,802 < 2), dengan demikian model regresi terbebas dari masalah autokorelasi.

5. Uji Linearitas

Uji linieritas bertujuan untuk mengetahui apakah dua variabel mempunyai hubungan yang linear atau tidak. Hasil uji linearitas dalam penelitian ini adalah sebagai berikut:

a. Harga (X 1 ) dengan Store Loyalty

Sumber: data primer yang diolah (2011) Sumber: data primer yang diolah (2011)

b. Kelengkapan Produk (X 2 ) dengan Store Loyalty (Y)

Sumber: Data primer yang diolah (2011)

Gambar 7. Plot Kelengkapan Produk (X 2 ) dengan Store Loyalty (Y) Berdasarkan plot antara variabel kelengkapan produk (X 2 ) dengan variabel store loyalty (Y) di atas dapat dilihat bahwa plot menggambarkan garis lurus, maka dapat disimpulkan bahwa model regresi memenuhi asumsi

linieritas.

c. Keunikan (X 3 ) dengan Store Loyalty (Y) c. Keunikan (X 3 ) dengan Store Loyalty (Y)

d. Kenyamanan (X 4 ) dengan Store Loyalty (Y)

Sumber: Data primer yang diolah (2011)

Gambar 9. Plot Kenyamanan (X 4 ) dengan Store Loyalty (Y) Berdasarkan plot antara variable kenyamanan (X 4 ) dengan variabel Store Loyalty (Y) di atas dapat dilihat bahwa plot menggambarkan garis

lurus, maka dapat disimpulkan bahwa model regresi memenuhi asumsi linieritas.

Sumber: Data primer yang diolah (2011)

Gambar 10. Plot Service Quality (X 5 ) dengan Store Loyalty (Y) Berdasarkan plot antara variabel service quality (X 4 ) dengan variabel store loyalty (Y) di atas dapat dilihat bahwa plot menggambarkan garis lurus,

maka dapat disimpulkan bahwa model regresi memenuhi asumsi linieritas.

f. Good Place to Shop (X 6 ) dengan Store Loyalty (Y)

Sumber: Data primer yang diolah (2011) Sumber: Data primer yang diolah (2011)