56 Pada tabel 4.13 jawaban responden terhadap variabel kepuasan
pelanggan Y yang paling dominan merupakan pernyataan Pertama, dimana sebanyak 58,53 responden menyatakan sangat setuju bahwa produk pintu press
sesuai dengan apa yang mereka harapkan, 31,71 responden menyatakan setuju, 7,32 responden menyatakan kurang setuju, 2,44 responden menyatakan tidak
setuju dan 0 responden menyatakan sangat tidak setuju. Salah satu ciri kepuasan pelanggan adalah membandingkan kualitas produk yang dibeli dengan apa yang
diharapkan oleh pelanggan, setelah membeli dan menggunakan pintu press Mitra Global dan membandingkannya dengan apa yang diharpkan, pelanggan merasa
puas terhadapa produk Mitra Global.
4.3 Uji Asumsi Klasik
4.3.1 Uji Normalitas
Tujuan uji normalitas adalah ingin menguji apakah dalam model regresi distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi
data dengan bentuk lonceng. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid. Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau
tidak, yaitu dengan pendekatan grafik dan pendekatan Kolmogorv-Smirnov. 1.
Analisis Grafik Salah satu cara untuk melihat normalitas adalah dengan melihat
grafik histogram, dan grafik normal p-p plot, yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi normal. Hasil output SPSS
terlihat seperti Gambar 4.4, dan Gambar 4.5.
57
Sumber: Hasil Penelitian, 2015 data diolah
Gambar 4.4 Pengujian Normalitas Histogram
Berdasarkan gambar 4.4 dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan pola distribusi normal mengikuti garis
lonceng maka model regresi memenuhi asumsi normalitas dan sebaliknya jika distribusi data dengan bentuk lonceng dan distribusi menceng ke kiri atau ke
kanan maka data tidak berdistribusi normal. Jadi, berarti data residual berdistibusi normal. Terbukti bahwa data maupun model yang digunakan memenuhi asumsi
normalitas.
58
Sumber: Hasil Penelitian, 2015 data diolah
Gambar 4.5 Pengujian Normalitas P-P Plot
Pada P-P plot terlihat bahwa titik-titik menyebar disekitar garis diagonal dan cenderung mengikuti arah garis diagonal. Hal ini menunjukkan bahwa data
yang dipergunakan dalam penelitian ini memenuhi asumsi normalitas sehingga layak untuk diuji dengan model regresi.
2. Analisis Statistik
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Jika nilai sig probability lebih
besar dari 0,05 maka Ho ditolak dengan pengertian bahwa data yang dianalisis berdistribusi normal. Demikian juga sebaliknya jika nilai sig probability lebih
kecil dari 0,05 maka Ho diterima dengan pengertian bahwa data yang dianalisis
59 tidak berdistribusi normal. Berikut ini pengujian normalitas yang didasarkan
dengan uji statistik nonparametik Kolmogorv-Smirnov K-S.
Tabel 4.14 Uji Kolmogrov Smirnov
One-Sample Kolmogorov-Smirnov Test Unstandardized
Residual N
82 Normal Parameters
a
Mean .0000000
Std. Deviation .55408435
Most Extreme Differences Absolute
.045 Positive
.031 Negative
-.045 Kolmogorov-Smirnov Z
.406 Asymp. Sig. 2-tailed
.997 a. Test distribution is Normal.
Sumber: Hasil Penelitian, 2015 data diolah
Berdasarkan Tabel 4.14, terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,997, ini berarti nilainya diatas nilai signifikan 0.05. dengan kata lain variabel
tersebut berdistribusi normal. 4.3.2
Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians. Jika varians dari residual satu pengamatan ke pengamatan
yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau
tidak terjadi heteroskedastisitas. Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar di atas
dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas,
60 sedangkan jika ada pola tertentu, seperti titik-titik yang membentuk pola
tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu:
1. Analisis Grafik
Sumber: Hasil Penelitian, 2015 data diolah
Gambar 4.6 Pengujian Heteroskedastisitas Scatterplot
Berdasarkan Gambar 4.4 dapat terlihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka
berdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi.
61 2.
Analisis Statistik Dasar analisis metode statistik adalah jika variabel bebas signifikan secara
statistik mempengaruhi variabel terikat, maka ada indikasi terjadi heteroskedastisitas.
Tabel 4.15 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .842
.379 2.220
.029 Desain
-.068 .039
-.285 -1.724
.089 Harga
-.041 .029
-.211 -1.396
.167 Kehandalan
.021 .029
.118 .722
.473 Ketangapan
-.013 .029
-.068 -.438
.663 Jaminan
.029 .026
.170 1.112
.270 Empati
.020 .038
.099 .525
.601 Bukti _Fisik
.021 .024
.121 .887
.378 a. Dependent Variable: RES_2
Sumber: Hasil Penelitian, 2015 data diolah
Berdasarkan Tabel 4.15 dapat diketahui bahwa tidak satupun variabel bebas yang signifikan secara statistik mempengaruhi variabel terikat RES_2. Hal
ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 0,05 jadi disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
62
4.4 Analisis Regresi Linier Berganda
