83
Tabel 4.9 One-Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
39 Normal Parameters
a,,b
Mean .0000000
Std. Deviation 2.90847727
Most Extreme Differences Absolute .096
Positive .096
Negative -.058
Kolmogorov-Smirnov Z .600
Asymp. Sig. 2-tailed .865
a. Test distribution is Normal. b.
Calculated from data.
Sumber : Hasil Pengolahan SPSS Juni 2015 Berdasarkan Tabel 4.9 dapat diketahui bahwa nilai Asymp.Sig.2-tailed
adalah sebesar 0,865 yang berarti di atas nilai signifikan 5 atau0,05. Oleh karena itu, sesuai dengan analisis grafik, analisis statistikdengan uji statistik
non-parametrik Kolmogorov-Smirnov K-S jugamenyatakan bahwa variabel residual bersistribusi normal.
b. Uji Heteroskedastisitas
Tujuan dari uji ini adalah untuk menguji apakah di dalam model regresi terjadi ketidaksamaan varians dari satu residual satu pengamatan ke pengamatan lain.
Jika varians dari residual atau satu pengamatan lainnya tetap maka disebut hemokedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang
baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas. Ada 2 cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu :
84
1. Uji Scatterplot Dasar analisis ini adalah jika tidak ada pola yang jelas serta titiktitik
menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang ada
membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadinya heteroskedastisitas. Hasil output SPSS untuk uji heteroskedastisitas dengan
metode grafik tampak pada gambar 4.4 berikut:
Gambar 4.4 Hasil Uji
Scatterplot Heteroskedastisitas
Sumber : Hasil Pengolahan SPSS Juni 2015 2. Uji Glejser
Uji glejser mengusulkan untuk meregresi nilai absut residualterhadap variabel independen. Jika variabel independen signifikan secarastatistik mempengaruhi
variabel dependen, maka ada indikasi terjadiheteroskedastisitas.
85
Uji heteroskedastisitas yang menggunakan uji Glejser dapat dilihat pada Tabel 4.10berikut :
Tabel 4.10 Hasil Uji
Glejser Heterokedastisitas
Sumber : Hasil Pengolahan SPSS Juni 2015 Pengambilankeputusan pada uji glejser
yaitubahwajika variabel independen signifikan secara statistik mempengaruhi variabel independen, maka
ada indikasi terjadi heteroskedastisitas. Jika variabel independen tidak signifikan terhadap variabel absut diatas tingkat kepercayaan 0,05, maka dalam model
regresi tidak mengarah pada heteroskedastisitas. Pada Tabel 4.10 terlihat bahwa semua variabel independen mempunyai nilai sig 0,05, sehingga dapat
disimpulkan bahwa antara variabel independen dan dependen tidak terjadi heteroskedastisitas.
c. Uji Multikolinearitas
Untuk mengetahui ada tidaknya gejala multikolinieritas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor. Kedua ukuran ini
menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya, Tolerance adalah mengukur variabilitas variabel independen
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
-.640 3.494
-.183 .856
Fitur .184
.191 .212
.962 .343
Keandalan .127
.092 .228
1.371 .179
Bukti Fisik -.032
.064 -.108
-.494 .625
a. Dependent Variable: absut
86
yang terpilih yang tidak dijelaskan variabel independen lainnya. Nilai yang dipakai untuk Tolerance 0,1 dan VIF 5, maka tidak terjadi multikolinieritas.
Tabel 4.11 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-20.507 6.083
-3.371 .002
Fitur .820
.333 .290
2.466 .019
.549 1.821
Keandalan .156
.161 .086
.968 .340
.963 1.039
Bukti Fisik .616
.112 .640
5.505 .000
.564 1.773
a. Dependent Variable: Keputusan Penyewaan Sumber : Hasil Pengolahan SPSS Juni 2015
Berdasarkan Tabel 4.11, dapat dilihat bahwa: 1. Nilai VIF variabel independen lebih kecil atau di bawah 5 VIF5, iniberarti
tidak terdapat multikolinieritas antar variabel independen dalam model regresi. 2. Nilai Tolerance dari variabel independen lebih besar dari 0,1Tolerance0,1,
ini berarti tidak terdapat multikolinieritas antar variabelindependen dalam model regresi.
4.2.2.2.Analisis Regresi Berganda
Analisis regresi berganda dilakukan untuk mengetahui seberapa besar pengaruh variabel bebas Diferensiasi X yang terdiri dari Fitur X
1.1
, Keandalan X
1.2
, dan Bukti Fisik X
1.3
terhadap variabel terikat yaitu Keputusan Penyewaan Y.
Analisis dilakukan dengan bantuan program SPSSdengan menggunakan metode enter. Metode enter digunakan untuk analisis regresi agar dapat
87
mengetahui apakah variabel bebas mempunyai pengaruh signifikan terhadap variabel terikat. Seluruh variabel akan dimasukkan ke dalam analisis untuk dapat
diketahui apakah variabel bebas mempunyai pengaruh yang signifikan terhadap variabel terikat.
Tabel 4.12 Variables EnteredRemoved
b
Model Variables
Entered Variables
Removed Method
1 Bukti Fisik,
Keandalan, Fitur
a
. Enter
a. All requested variables entered. Sumber : Hasil Pengolahan SPSS Juni 2015
Berdasarkan Tabel 4.12 Variabel Enteredremoved
b
menunjukkan hasil analisis statistik tiap indikator sebagai berikut :
Tabel 4.13 Analisis Regresi Berganda
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
-20.507 6.083
-3.371 .002
Fitur .820
.333 .290
2.466 .019
Keandalan .156
.161 .086
.968 .340
Bukti Fisik .616
.112 .640
5.505 .000
a. Dependent Variable: Keputusan Penyewaan Sumber : Hasil Pengolahan SPSS Juni 2015
Model persamaan yang digunakan dalam penelitian ini adalah sebagaiberikut :
88
Y = α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ ε
Y = -20,507 + 0,820 X
1.1
+ 0,156 X
1.2
+ 0,616 X
1.3
+ ε
Sebelum nilai α konstanta, nilai β
1
, β
2
, dan β
3
, dimasukkan ke dalam persamaan, terlebih dahulu dilakukan analisis determinan, uji F, dan uji t dari hasil
pengolahan regresi berganda.
4.2.2.3.Uji Hipotesis
a. Uji Signifikansi Simultan Uji F
