66
statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik Kolmogorov-Smirnov K-S dapat dilihat pada Tabel 4.10 berikut:
Tabel 4.10 One- Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 98
Normal Parameters
a,b
Mean .0000000
Std. Deviation .59542676
Most Extreme Differences Absolute
.118 Positive
.055 Negative
-.118 Kolmogorov-Smirnov Z
1.171 Asymp. Sig. 2-tailed
.129 a. Test distribution is Normal.
b. Calculated from data.
Berdasarkan Tabel 4.10 mengindikasikan bahwa data mempunyai distribusi normal, dimana berdasarkan nilai signifikan Kolmogorov-Smirnov menunjukkan
nilai lebih besar 0,05 yang mempunyai nilai signifikan 0,129 maka dapat dinyatakan bahwa data mempunyai distribusi normal.
4.3.2. Uji Multikolinearitas
Dalam mendeteksi ada tidaknya gejala multikolinearitas antar variabel independen pada model persamaan pertama digunakan variance inflation factor
VIF. Berdasarkan hasil yang ditunjukkan dalam output SPSS maka besarnya VIF dari masing-masing variabel independen dapat dilihat pada Tabel 4.11
sebagai berikut
Universitas Sumatera Utara
67
Tabel 4.11 Hasil Perhitungan
Coefficients
Berdasarkan Tabel 4.11 menunjukkan bahwa kedua variabel independen tidak terjadi multikolinearitas karena nilai VIF 5,0. Sehingga dapat disimpulkan
tidak terdapat pengaruh antar variabel independen. Dengan demikian variabel independen Kualitas Pelayanan, Fasilitas dan Lokasi Usaha dapat digunakan
untuk memprediksi Peningkatan Hunian Hotel selama periode pengamatan.
4.3.3. Uji Heteroskedastisitas
Berdasarkan output SPSS maka hasil uji heteroskedastisitas dapat ditunjukkan dalam Tabel 4.12 sebagai berikut:
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
Kualitas Pelayanan ,996
1,004 Fasilitas
,969 1,032
Lokasi Usaha ,966
1,035 a. Predictors: Constant, Lokasi Usaha, Fasilitas,Kualitas
Pelayanan b. Dependent Variable: Peningkatan Hunian Hotel
Universitas Sumatera Utara
68
Tabel 4.12 Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant -.361
.362 -.998
.321 Kualitas Pelayanan
-.058 .028
-.392 -2.051
.053 Fasilitas
.111 .027
.720 4.149
.087 Lokasi Usaha
-.009 .038
-.046 -.225
.823 a. Dependent Variable: absut
Berdasarkan hasil yang ditunjukkan dalam Tabel 4.5 tersebut nampak bahwa variabel bebas yaitu: Kualitas Pelayanan, Fasilitas, dan Lokasi Usaha
menunjukkan hasil yang tidak signifikan yaitu terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5, sehingga dapat disimpulkan
bahwa variabel tersebut tidak terjadi heteroskedastisitas dalam varian kesalahan, dan Kualitas Pelayanan, Fasilitas, dan Lokasi Usaha yang digunakan tidak
mempengaruhi risidualnya. Untuk menentukan heteroskedastisitas juga dapat menggunakan grafik scatterplot, titik-titik yang terbentuk harus menyebar secara
acak, tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hasil uji heteroskedastisitas dapat dilihat melalui grafik Scatterplot, yang ditunjukkan pada
Gambar 4.3 berikut ini:
Universitas Sumatera Utara
69
Gambar 4.3 Uji Heteroskedastisitas
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka nol 0 pada sumbu Y, tidak
berkumpul disatu tempat, serta tidak membentuk pola tertentu sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi dalam
artinya bahwa varian semua variabel ini menunjukkan variabel independen Kualitas Pelayanan, Fasilitas, dan Lokasi Usaha dapat digunakan untuk
memprediksi Peningkatan Hunian Hotel Garuda Plaza Medan.
4.4 Regresi Linear Berganda
