tidak sama untuk semua pengamatanobservasi. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap maka
disebut homokedatisitas. Model regresi yang baik adalah terjadi homokedatisitas dalam model, atau dengan perkataan lain tidak
terjadi heterokedasitisitas. Uji heterokedasitisitas yang paling sering digunakan adalah uji scatterplot. Suatu regresi dapat
disimpulkan tidak terjadi heterokedasitisitas apabila hasil dari uji scatterplot titik
– titiknya menyebar secara acak, baik di bagian atas atas angka nol atau di bagian bawah angka nol dari sumbu
vertikal atau sumbu Y.
e. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk mengetahui apakah hubungan
di antara
variabel bebas
memiliki masalah
multikolinieritas atau tidak Sarjono dan Julianita, 2011:70. Multikolinieritas adalah korelasi yang sangat tinggi atau sangat
rendah yang terjadi pada hubungan di antara variabel bebas. Uji multikolinieritas perlu dilakukan jika jumlah variabel independen
lebih dari satu. Ada beberapa cara mendeteksi ada tidaknya multikolinieritas yaitu :
1 Nilai
yang dihasilkan oleh suatu estimasi model regresi empiris yang sangat tinggi, tetapi secara individual variabel
bebas banyak yang tidak signifikan memengaruhi variabel terikat.
2 Menganalisis korelasi di antara variabel bebas. Jika di
antara variabel bebas ada korelasi yang cukup tinggi lebih besar daripada 0,90, hal ini merupakan indikasi adanya
multikolinieritas. 3
Multikolinieritas dapat juga dilihat dari VIF
variance- inflating factor.
Jika VIF 10, tingkat kolinearitas dapat ditoleransi.
4 Nilai
Eigenvalue
sejumlah satu atau lebih variabel bebas yang mendekati nol memberikan petunjuk adanya
multikolieritas. Uji multikolinieritas yang paling sering digunakan adalah
dengan melihat VIF karena cara tersebut dirasa paling mudah dan praktis dengan dasar pengambilan keputusan sebagai berikut :
1 Jika nilai VIF 10 maka tidak terjadi gejala
multikolinearitas di antara variabel bebas 2
Jika nilai VIF 10 maka terjadi gejala multikolinearitas di antara variabel bebas
4. Analisis Regresi Sederhana
Regresi linier sederhana didasarkan pada hubungan fungsional ataupun kausal satu variabel bebas dengan satu variabel terikat Sugiyono,
2004:204. Regresi linier sederhana ini dilakukan untuk menjawab rumusan masalah ke lima. Bentuk umum dari persamaan regresi
dinyatakan dalam persamaan matematika, yaitu : ̂
Dimana : Y = nilai prediksi variabel Y berdasarkan variabel X
a = titik potong Y, nilai Y ketika X = 0 konstanta b = perubahan rata
– rata Y untuk setiap perubahan X, baik berupa peningkatan maupun penurunan koefisien regresi
X = variabel X yang dipilih e =
error
nilai b koefisien regresi dan a konstanta dihitung dengan rumus berikut :
∑ ∑
Dimana : n = jumlah pengamatan sampel
X = nilai variabel bebas Y = nilai variabel terikat
Dengan menggunakan aplikasi SPSS, nilai koefisien regresi, standar
error
, dan nilai
menjadi satu kesatuan. Nilai tersebut bermanfaat untuk melakukan pengujian terhadap signifikansi koefisien regresi.
5. Uji Hipotesis
a. Uji t
Menurut Siregar 2013:194 uji ini digunakan untuk mengetahui
kebenaran pernyataan
atau dugaan
yang dihipotesiskan oleh si peneliti. Uji t ini dilakukan untuk melihat
pengaruh variabel independen produk, harga, tempat dan promosi berpengaruh secara parsial terhadap variabel dependennya
kepuasan konsumen. Menurut Siagian 2000:53 uji t dihitung menggunakan rumus sebagai berikut :
Keterangan :
b = koefisien regresi
=
slope
hipotesis = estimasi standar error dari
slope
Dalam menguji pengaruh variabel independen secara parsial terhadap variabel dependen maka akan diberikan dua contoh
rumusan masalah uji parsial yaitu : 1
Apakah sikap terhadap produk berpengaruh pada kepuasan konsumen?
