63
Dari hasil perhitungan pada Tabel 4.7 diperoleh persamaan regresi linear berganda adalah:
Y= 5,632 + 0,584
Berdesarkan persamaan tersebut dapat digambarkan : a. Konstanta a = 5,632. Ini mempunyai arti bahwa variabel Produk Tambahan
Augmented Products yang terdiri dari Drugstore, Food and Beverages, Swimming Pool, Wi-fi, dan Laundry dianggap konstan, maka tingkat kepuasan
tamu Hotel Inna Dharma Deli Medan Y sebesar 5, 632. b. Koefisien X b = 0,584 Produk Tamabahan Augmented Products yang
terdiri dari.Drugstore, Food and Beverages, Swimming Pool, Wi-fi, danLaundryterhadap tingkat Kepuasan Tamu Hotel Inna Dharma Deli Medan
dengan koefisien regresi sebesar 0,584. Ini mempunyai arti setiap terjadi penambahan variabel Produk tambahan sebesar 1 satuan, maka tingkat kepuasan
tamu Hotel Inna Dharma Deli medan akan meningkat sebesar 0,584 begitu pula sebaliknya, dengan asumsi variabel lainnya tetap
4.4.1 Uji Asumsi Klasik
a. Uji Normalitas Data Uji normalitas data ini bertujuan untuk mengetahui distribusi data dalam
variabel yang akan digunakan dalam penelitian. Data yang baik dan layak digunakan dalam penelitian adalah data yang memiliki distribusi normal. Data
pada variabel yang baik adalah data yang memiliki bentuk kurva dengan kemiringan seimbang dari sisi kiri dan kanan, atau tidak condong ke kiri ataupun
ke kanan, melainkan ke tengah dengan bentuk seperti lonceng, dengan nilai
Universitas Sumatera Utara
64
skewness mendekati 0 Gambar 4.2. Sedangkan output kurva Normal P-Plot Gambar 4.3 menunjukkan distribusi dari titik-titik data faktor dalam hal
mempengaruhi variabel Produk Tambahan Augmented Productsyang terdiri dariDrugstore, Food and Beverages, Swimming Pool, Wi-fi, dan Laundry
menyebar di sekitar garis diagonal dan penyebaran titik-titik data searah dengan garis diagonal. Adapun output kurva normal adalah :
Gambar 4.2 Histogram
Sumber: Pengolahan SPSS 2013
Gambar 4.3 Normal P-P Plot of Regression Standardized Residual
Sumber: Pengolahan SPSS 2013
Universitas Sumatera Utara
65
Gambar 4.2 dan Gambar 4.3 menunjukkan pendistribusian data penelitian tersebut telah memenuhi uji normalitas data. Dengan kata lain, data faktor-faktor
yang mempengaruhi kepuasan tamu variabel Produk Tambahan yaitu:Drugstore, Food and Beverages, Swimming Pool, Wi-fi, danLaundry memiliki
kecenderungan berdistribusi normal. b. Uji Autokorelasi
Menguji autokorelasi dalam suatu model bertujuan untuk mengetahui ada tidaknya korelasi antara variabel pengganggu pada et pada periode tertentu
dengan variabel pengganggu periode sebelumnya et -1. Untuk mempercepat proses ada tidaknya autokorelasi dalam suatu model dapat digunakan patokan
nilai Durbin Watson hitung mendekati angka 2. Jika nilai Durbin Watson hitung mendekati atau disekitar angka 2 maka model tersebut terbebas dari asumsi klasik
autokorelasi, karena angka 2 pada uji Durbin Watson terletak di daerah No Autocorelation.Pada output tersebut diperoleh nilai Durbin Watson sebesar
1,872.Uji asumsi klasik statistik autokorelasi dapat dideteksi dari output pada Tabel 4.11 sebagai berikut:
Tabel 4.8
Sumber: Pengolahan SPSS 2013
Universitas Sumatera Utara
66
c. Uji Heteroskesdastisitas Heteroskesdastisitas menguji terjadinya perbedaan varience residual suatu
periode pengamatan ke periode pengamatan yang lain, atau gambaran hubungan antara nilai yang diprediksi dengan Studentized Delete Residual nilai tersebut.
Cara memprediksi ada tidaknya heteroskesdastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot model tersebut. Analisis pada gambar
Scatterplot yang menyatakan model regresi linear berganda tidak terdapat heteroskesdastisitas jika:
1. Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0. 2. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja.
3. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
4. Penyebaran titik-titik data sebaiknya tidak berpola. Asumsi klasik statistik heteroskesdastisitas dapat dideteksi dari output SPSS
Gambar : 4.4 Scatterplot
Sumber : Pengolahan Data SPSS 2013
Universitas Sumatera Utara
67
Pada Gambar 4.4 dapat dilihat bahwa model regresi linear baerganda terbebas dari asumsi klasik heteroskesdastisitas dan layak digunakan dalam
penelitian
.
4.5 Uji Ketepatan Goodness of Fit
