96
4.3.2.1. Uji Multikolinieritas
Suatu variabel menunjukkan gejala multikolinieritas bisa dilihat dari nilai VIF Variance Inflation Factor yang tinggi pada variabel-variabel bebas suatu
model regresi. Nilai VIF yang lebih besar dari 10 menunjukkan adanya gejala multikolinieritas dalam model regresi. Hasil pengujian multikolinieritas dengan
nilai VIF adalah sebagai berikut :
Tabel 4.18 Hasil Pengujian Multikolinieritas
Variabel Tolerance
VIF Keterangan
Fasilitas Lokasi
Lingkungan Pendapatan
Sensitivitas Permintaan 0.372
0.227 0.222
0.204 0.211
2.686 4.414
4.505 4.895
4.741 Bebas Multikolinier
Bebas Multikolinier Bebas Multikolinier
Bebas Multikolinier Bebas Multikolinier
Sumber:Data sekunder yang diolah, 2012 Hasil pengujian menunjukkan bahwa semua variabel yang digunakan
sebagai prediktor model regresi menunjukkan nilai VIF yang cukup kecil, dimana semuanya berada di bawah 10 dan nilai tolerance lebih dari 0,1. Hal ini berarti
bahwa variabel-variabel bebas yang digunakan dalam penelitian tidak menunjukkan adanya gejala multikolinieritas, yang berarti bahwa semua variabel
tersebut dapat digunakan sebagai variabel yang saling independen.
4.3.2.2. Uji Heteroskedastisitas
Pengujian heteroskedastisitas dilakukan dengan menggunakan scatterplot dan uji glejser. Dari tampilan scatterplot terlihat bahwa titik-titik
menyebar secara acak baik diatas maupun dibawah angka 0 pada sumbu Y.
97
Gambar 4.17 Uji Heteroskedastisitas
Variabel Signifikansi
Keterangan Fasilitas
.429 Homoskedastisitas
Lokasi .055
Homoskedastisitas Lingkungan
.090 Homoskedastisitas
Pendapatan .341
Homoskedastisitas Sensitivitas
.541 Homoskedastisitas
Uji Scatterplot Uji Glejser
Hasil ini didukung dengan pengujian menggunakan uji glejser, yang diketahui bahwa variabel fasilitas, lokasi, lingkungan, pendapatan, dan
sensitivitas memiliki nilai signifikansi lebih dari 5, hal ini menunjukkan bahwa tidak terjadi masalah heteroskedastisitas.
4.3.2.3. Uji Normalitas