49
71,25 responden menjawab puas, 5 orang 6,25 responden menjawab kurang puas. Pada KN3 ini tidak ada yang memilih jawaban tidak puas dan
sangat tidak puas. 4. Pada pernyataan KN4 apakah saudara puas terhadap penjelasan produk yang
ditawarkan oleh perusahaan, dapat dijelaskan bahwa 17 orang 21,25 responden menjawab sangat puas, 53 orang 66,25 responden menjawab
puas, 9 orang 11,25 responden menjawab kurang puas, jawaban tidak puas sebanyak 1 orang 1,25. Pada KN4 ini tidak ada yang memilih jawaban
sangat tidak puas. 5. Pada pernyataan KN5 apakah saudara puas terhadap prosedur pengajuan
kredit pada perusahan, dapat dijelaskan bahwa 12 orang 15,00 responden menjawab sangat puas, 60 orang 75,00 responden menjawab puas, 8 orang
10 responden menjawab kurang puas. Pada KN5 ini tidak ada yang memilih jawaban tidak puas dan sangat tidak puas.
4.4 Uji Asumsi Klasik 4.4.1 Uji Normalitas
Universitas Sumatera Utara
50
Uji normalitas bertujuan untuk mengetahui apakah sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng.
Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau ke kanan. Uji normalitas ini
dilakukan dengan pendeketan histogram, pendekatan grafik, dan pendekatan Kolmogorv-Smirnov.
a. Pendekatan Histogram
Gambar 4.1 Histogram
Sumber: Hasil Pengolahan SPSS
Interpretasi dari gambar 4.1 menunjukkan bahwa grafik histogram menunjukkan
pola distribusi normal. b.
Pendekatan Grafik Gambar 4.2
Pengujian Normalitas P-P Plot
Universitas Sumatera Utara
51
Sumber: Hasil Pengolahan SPSS
Berdasarkan Gambar 4.2 dapat dilihat titik-titik mengikuti data di sepanjang garis diagonal, hal ini berarti data berdistribusi normal.
c. Pendekatan Kolmogorov-Smirnov
Pada uji ini keputusan yang diambil adalah apabila Sig. 0,05, maka berdistribusi data normal. Uji Kolmogorov-Smirnov dapat dilihat pada Tabel 4.18.
Tabel 4.12 Uji Kolmogorov-Smirnov
Universitas Sumatera Utara
52
Sumber: Hasil pengolahan SPSS
Pada Tabel 4.12 terlihat bahwa nilai Asymp. Sig. 2-tailed adalah 0,053, dan di atas nilai signifikan 0,05. Dengan kata lain variabel residual berdistribusi
normal.
4.4.2 Uji Multikolinearitas
Multikolinearitas berarti adanya hubungan linier yang sempurna atau pasti di antara beberapa atau semua variabel yang menjelaskan dari model
regresi untuk mendeteksi ada atau tidaknya multikolinearitas dapat dilakukan dengan melihat nilai Tolerance dan Variance Inflation Factor
VIF.
a. VIF 10 maka tidak terdapat multikolinearitas,
b. Tolerance 0,1 maka tidak terdapat multikolinearitas.
Tabel 4.13 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
80 Normal Parameters
a,,b
Mean .0000000
Std. Deviation .96851604
Most Extreme Differences Absolute
.151 Positive
.112 Negative
-.151 Kolmogorov-Smirnov Z
1.348 Asymp. Sig. 2-tailed
.053
Universitas Sumatera Utara
53
Uji Multikolinearitas
Sumber : Hasil Perhitungan menggunakan SPSS
Tabel 4.13 memperlihatkan nilai Tolerance 0,1 dan VIF 10 pada semua variabel independen, yaitu kualitas layanan X
1
, kepercayaan X
2
, image X
3
. Dengan demikian data tidak terkena multikolinearitas. Hal ini berarti pada
variabel independen yaitu kualitas layanan X
1
, kepercayaan X
2
, image X
3
tidak terdapat hubungan linear sempurna atau pasti, di antara beberapa atau semua variabel sehingga model regresi layak digunakan.
4.5 Analisis Regresi Linear Berganda
Analisis regresi berganda digunakan untuk mengetahui seberapa besar pengaruh variabel kualitas layanan X
1
, kepercayaan X
2
, image X
3
, terhadap kepuasan nasabah Y. Hasil analisis regresi dengan menggunakan software
pengolah data ststistik SPSS disajikan pada tabel berikut ini:
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF Constant
3.704 1.420
2.609 .011
Kualitas .340
.082 .328
4.169 .000
.624 1.601
Kepercayaan .506 .091
.620 5.580
.000 .314
3.180 Image
-.025 .092
-.028 -.272
.786 .375
2.664 D
d t V i bl K
Universitas Sumatera Utara
54
Tabel 4.14 Koefisien Regresi
Sumber : Hasil Perhitungan menggunakan SPSS
Berdasarkan hasil pengolahan regresi berganda yang ditunjukkan dalam Tabel
4.14, maka diperoleh hasil regresi berganda sebagai berikut. Y = 3,704 + 0,340 X