Untuk memastikan apakah data disepanjang garis diagonal berdistribusi normal maka dilakukan uji Kolmogorov Smirnov 1 Sample KS dengan
melihat data residual apakah berdistribusi normal Syafrizal, et al, 2008: 59.
Menentukan kriteria keputusan: 1.
Jika nilai Asymp.Sig. 2-tailed 0,05 maka tidak mengalami gangguan distribusi normal.
2. Jika nilai Asymp.Sig. 2-tailed 0,05 maka mengalami gangguan
distribusi normal.
Tabel 4.4 One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 100
Normal Parameters
a
Mean .0000000
Std. Deviation 1.15833831
Most Extreme Differences
Absolute .095
Positive .056
Negative -.095
Kolmogorov-Smirnov Z .952
Asymp. Sig. 2-tailed .325
a. Test distribution is Normal. Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 16.0, 2011
Pada Tabel 4.4 terlihat bahwa Asymp. Sig. 2-tailed adalah 0,325 dan diatas nilai signifikan 5 0,05, dengan kata lain variabel residual
berdistribusi normal.
2. Pengujian Heteroskedastisitas
Heterokedastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Dengan kata lain,
heterokedastisitas terjadi jika residual tidak memiliki varians yang konstan. Pemeriksaan terhadap gejala heterokedastisitas adalah dengan melihat pola
diagram pencar yaitu grafik yang merupakan diagram pencar residual, yaitu selisih antara nilai Y prediksi dan Y observasi.
a. Model grafik
Hipotesis: 1
Jika diagram pencar yang ada membentuk pola- pola tertentu yang teratur maka regrasi mengalami gangguan heterokedastisitas.
2 Jika diagram pencar yang ada tidak membentuk pola- pola tertentu
yang teratur maka regrasi tidak mengalami gangguan heterokedastisitas
Gambar 4.2 Scatterplot Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 16.0, 2011
Pada gambar 4.2 dapat dilihat bahwa diagram pencar tidak membentuk
pola tertentu karena itu tidak mengalami gangguan heterokedastisitas. b. Model Glejser
Menentukan kriteria keputusan: 1
Jika nilai signifikan 0,05, maka tidak mengalami gangguan heterokedastisitas.
2 Jika nilai signifikan 0,05, maka mengalami gangguan
heterokedastisitas.
Tabel 4.5 Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant 1.617
.815 1.985
.050 Nilai Kinerja
Produk .017
.047 .042
.374 .709
Nilai Pelayanan -.071
.038 -.240
-1.881 .063
Nilai Harga .024
.046 .062
.515 .607
a. Dependent Variable: absut Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 16.0, 2011
Pada Tabel 4.5 tampak bahwa signifikasi variabel bebas lebih besar dari 0,05, maka tidak mengalami gangguan heterokedastisitas.
3. Pengujian Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji adanya korelasi antara variabel independen. Jika terjadi korelasi maka dinamakan multikol, yaitu adanya
masalah multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Hasil pengolahan dapat dilihat pada Tabel 4.6
sebagai berikut:
Tabel 4.6 Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1Constant
3.303 1.230
2.684 .009
Nilai Kinerja Produk
.253 .070
.328 3.594
.001 .788
1.269 Nilai Pelayanan
.124 .057
.223 2.158
.033 .616
1.624 Nilai Harga
.149 .069
.212 2.160
.033 .682
1.466 a. Dependent Variable: Loyalitas
Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 16.0, 2011
Hasil pengujian:
Pedoman untuk melihat suatu model regresi bebas multikolinieritas adalah dengan melihat Variance Inflation Factor VIF. Jika VIF 5 maka
variabel ada masalah multikolinieritas, tetapi jika VIF 5 maka tidak terdapat masalah multikolinieritas. Jika Tolerance 0,1 maka variabel memiliki masalah
multikolinieritas, tetapi jika Tolerance 0,1 maka variabel tidak memiliki masalah multikolinieritas Pada Tabel 4.6 dapat dilihat bahwa nilai VIF 5 dan
Tolerance 0,1 maka tidak ditemukan masalah multikolinieritas dalam penelitian ini.
C. Analisis Data 1. Analisis Deskriptif
