47 Gambar 6.2. Hasil Uji Normalitas P Plot
Grafik normal probability plot pada Gambar 6.2. menunjukkan pola distribusi normal dimana data menyebar disekitar garis diagonal dan mengikuti
arah garis diagonal.
6.2.2. Hasil Uji Heteroskedastisitas
Uji Heteroskedastisitas digunakan untuk mengetahui ada tidaknya penyimpangan asumsi klasik Heteroskedastisitas, yaitu adanya ketidaksamaan
varian dari residual untuk semua pengamatan pada model regresi. Prasyarat yang harus
terpenuhi dalam
model regresi
adalah tidak
adanya gejala
Heteroskedastisitas. Pengujian apakah terdapat gejala heteroskedastisitas, yaitu dengan melihat
ada tidaknya pola tertentu pada gambar hasil output SPSS Situmorang dan Luthfi, 2008. Selanjutnya, pengujian dengan pengambilan keputusan didasarkan
Universitas Sumatera Utara
48 Gambar 6.3. Hasil Uji Heterokedastisitas
pada : a. Apabila ada pola tertentu, seperti titik-titik point-point yang ada membentuk suatu pola tertentu yang teratur bergelombang, melebar kemudian
menyempit, maka telah terjadi Heteroskedastisitas; dan b. Apabila tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada
sumbu Y, maka tidak terjadi Heteroskedastisitas. Pada Gambar 6.3. dapat dilihat hasil uji Heterokedastisitas.
Dari Gambar 6.3. terlihat tidak ada pola yang jelas, titik-titik juga menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
Heteroskedastisitas.
6.2.3. Uji Multikolinearitas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang
baik seharusnya tidak terjadi korelasi diantara variabel independen. Uji Multikolinearitas juga digunakan untuk mengetahui ada tidaknya
penyimpangan asumsi klasik multikolinearitas, yaitu adanya hubungan linear
Universitas Sumatera Utara
49 antar variabel independent dalam model regresi. Prasyarat yang harus terpenuhi
dalam model regresi adalah tidak adanya Multikolinearitas. Pada riset ini akan dilakukan uji Multikolinearitas dengan melihat nilai Inflation Factor VIF pada
model regresi. Jika VIF lebih besar dari 5 dan nilai tolerance 0.1, maka variabel tersebut mempunyai persoalan Multikolinearitas dengan variabel bebas lainnya
Ghozali, 2005. Tabel 6.6. Hasil Uji VIF
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant -.070
.265 -.264 .793
Und_Cust_Expect .396
.122 .343 3.252 .002
.292 3.420
Build_Serv_Partn .289
.085 .250 3.418 .001
.609 1.642
TQM .215
.095 .202 2.273 .020
.412 2.428
Empower_Employ .177
.087 .162 2.035 .044
.513 1.950
a. Dependent Variable: Keputusan_Menginap Sumber : Hasil Penelitian, 2012 Data diolah
Berdasarkan Tabel 6.6. hasil uji multikolinieritas dari masing-masing variabel independen diperoleh nilai VIF untuk keempat variabel independen
tersebut yaitu Understanding Customer Expectation sebesar 3,420 , Building Service Partnership sebesar 1,642 , Total Quality Management sebesar 2,428
dan Empowering Employees sebesar 1,950 , keempatnya lebih kecil dari 10. Hasil pengujian ini menunjukkan bahwa antara Understanding Customer Expectation,
Building Service Partnership, Total Quality Management dan Empowering Employees tidak saling berkorelasi atau tidak terjadi multikolinieritas pada model
regresi.
Universitas Sumatera Utara
50
6.3. Pengujian Hipotesis