77
Tabel 4.9 One Sample Kolmogorv-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
76 Normal
Parameters
a,,b
Mean .0000000
Std. Deviation .28992332
Most Extreme Differences
Absolute .091
Positive .091
Negative -.074
Kolmogorov-Smirnov Z .794
Asymp. Sig. 2-tailed .555
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Pengolahan Data Primer 2016
Berdasarkan pengolahan data pada Tabel 4.9 diperoleh nilai Asymp. Sig. 2-tailed
diatas angka 0,05 0,555 0,05, dengan demikian dapat disimpulkan model regresi memenuhi asumsi normalitas.
4.3.2 Uji Heteroskedastisitas
Dalam melakukan pengujian heteroskedastisitas, dapat dilakukan melalui dua cara. Pertama, melalui analisis grafik dengan cara membaca grafik
Scatterplot , di mana tidak terjadi heteroskedastisitas apabila titik-titik menyebar
secara acak, tidak membentuk sebuah pola tertentu yang jelas, dan tersebar baik di atas maupun di bawah angka nol pada sumbu Y.Kedua, melalui analisis statistik
yang dilakukan melalui uji glejser, di mana tidak terjadi heteroskedastisitas
Universitas Sumatera Utara
78
apabila tidak ada variabel independen yang signifikan secara statistik
mempengaruhi variabel dependen.
Sumber : Hasil Pengolahan Data Primer 2016
Gambar 4.4 Grafik Scatterplot Uji Heteroskedastisitas
Gambar Scatterplot menunjukkan bahwa titik-titik yang ada menyebar secara acak, tersebar baik di atas maupun di bawah angka nol pada sumbu Y dan
tidak membentuk sebuah pola tertentu yang jelas.Oleh karena itu, model regresi dikatakan tidak mengalami heteroskedastisitas.
Universitas Sumatera Utara
79
Tabel 4.10 Uji Glejser
Sumber : Hasil Pengolahan Data Primer 2016
Pada Tabel 4.10 terlihat bahwa tidak ada variabel bebas atau variabel independen yang signifikan secara statistik mempengaruhi variabel terikat atau
variabel dependen. Hal ini ditunjukkan dari nilai Sig. variabel-variabel bebas yang lebih besar dari nilai signifikan 0,05. Jadi, model regresi tidak mengalami
heteroskedastisitas.
4.3.3 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji adanya korelasi antara variabel independen. Jika terjadi korelasi maka dinamakan multikol, yaitu adanya
masalah multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Hasil pengolahan data dapat dilihat pada
tabel berikut:
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 2.531E-15
.402 .000
1.000 Relationship Marketing
.000 .113
.000 .000
1.000 Kualitas Produk
.000 .107
.000 .000
1.000 a. Dependent Variable: ABS_RES3
Universitas Sumatera Utara
80
Tabel 4.11 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Correlations
Collinearity Statistics
B Std. Error
Beta Zero-
order Parti
al Part
Toleranc e
VIF 1
Co nst
ant 1.785
.402 4.443
.000
X1 .198
.113 .215 1.751
.084 .458 .201 .170
.627 1.595 X2
.347 .107
.398 3.236 .002 .529 .354
.315 .627 1.595
a. Dependent Variable: Y Sumber : Hasil Pengolahan Data Primer 2016
Pada Tabel 4.11 terlihat bahwa nilai Tolerance semua variabel bebas adalah lebih besar dari nilai ketetapan 0,1 dan nilai VIF semua variabel bebas adalah lebih
kecil dari nilai ketetapan 10. Oleh karena itu, data dalam penelitian ini dikatakan tidak mengalami masalah multikolinearitas antar variabel independen dalam
model regresi linear berganda.
4.4 Analisis Regresi Linear Berganda
Analisis regresi linear berganda ditujukan untuk mengetahui pengaruh atau hubungan variabel bebas X berupa variabel relationship marketing X
1
, kualitas produk X
2
, serta variabel terikat Y berupa kepercayaan, maka untuk memperoleh hasil yang lebih akurat, penulis menggunakan bantuan program
software SPSS dari tabel coefficient maka dihasilkan output sebagai berikut:
Universitas Sumatera Utara