Pengambilan keputusan: Pada Tabel 4.7 terlihat bahwa Asymp. Sig. 2-tailed adalah 0,688 dan
diatas nilai signifikan 5 0,05, dengan kata lain variabel residual berdistribusi normal.
2. Pengujian Heterokedastisitas
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.
Universitas Sumatera Utara
Regression Standardized Predicted Value
2 -2
-4
R eg
re ss
io n
S tu
d en
ti ze
d R
es id
u al
2
-2 -4
Scatterplot Dependent Variable: WOM
Gambar 4. 3 Scatterplot Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 15.0, 2009
Pada Gambar 4.3 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.
Universitas Sumatera Utara
Tabel 4.8 Uji Glejser
Coefficients
a
.316 .158
1.998 .048
.014 .027
.049 .493
.623 -.046
.050 -.107
-.922 .358
.084 .043
.221 1.944
.054 -.042
.048 -.104
-.886 .377
Constant RE
DE Ins p
Satf Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: abs ut a.
Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 15.0, 2010
Pada Tabel 4.8 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 4.9
sebagai berikut:
Tabel 4.9 Uji Multikolinearitas
Coefficients
a
.695 .274
2.538 .012
.008 .048
.013 .177
.860 .746
1.340 .216
.087 .209
2.490 .014
.543 1.843
.363 .075
.397 4.827
.000 .564
1.773 .203
.083 .208
2.457 .015
.532 1.880
Constant RE
DE Ins p
Satf Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: WOM a.
Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 15.0, 2010
Universitas Sumatera Utara
Hasil pengujian: Pedoman suatu model regresi yaitu bebas multikolinieritas adalah dengan
melihat Variance Inflation Factor VIF 5 maka variabel ada masalah multikolinieritas, dan jika VIF 5 maka tidak terdapat masalah multikolinieritas.
Jika Tolerance 0,1 maka variabel ada masalah multikolinieritas, dan jika Tolerance 0,1 maka variabel tidak terdapat masalah multikolinieritas. Pada
Tabel 4.9 dapat dilihat bahwa nilai VIF 5 dan Tolerance 0,1 maka tidak ditemukan masalah multikolinieritas dalam penelitian ini.
C. Analisis Data
Analisis deskriptif dalam penelitian ini merupakan uraian atau penjelasan dari hasil pengumpulan data primer berupa kuisioner yang telah diisi oleh responden
penelitian.
1. Analisis Deskriptif a. Deskriptif Responden
