Uji Multikolinieritas Uji Heteroskedastisitas

62

4.1.4.2 Uji Multikolinieritas

Uji mulitikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka terdapat masalah multikolinieritas. Pada model regresi yang baik tidak terjadi korelasi di antara variabel independen. Hasil pengujian multikolinieritas data dalam penelitian ini menggunakan alat bantu SPSS, hasilnya dapat dilihat pada Tabel 4-9 berikut : Tabel 4-9 Hasil Uji Multikolinearitas Standardized Coefficient B Std. Error Beta Tolerance VIF 1 Constant 4.843 4.107 Harga .374 .174 .351 .417 2.397 Distribusi .468 .219 .349 .417 2.397 Collinearity Statistics Unstandardized Coefficient Coefficients Model Sumber : Hasil Pengolahan SPSS Dari Tabel 4-9 menunjukkan nilai Tolerance tidak ada variabel independen yang memiliki nilai Tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar variabel independen yang nilainya lebih dari 95. Hasil perhitungan Variance Inflation Factor VIF juga menunjukkan hal sama tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel indenpenden dalam model regresi. A.S. Puwandren : Analisis Kepuasan Konsumen Terhadap Kebijakan Harga Dan Saluran Distribusi Di PT. Semen, 2008 USU e-Repository © 2008 63

4.1.4.3 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam sebuah regresi terjadi ketidaksamaan varians dari residual satu pengamatan kepengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas, dan jika varians berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heterokedastisitas. Hasil pengujian heteroskedastisitas data dalam penelitian ini menggunakan alat Bantu SPSS dengan mengamati pola yang terdapat pada Sctterplots, hasilnya dapat dilihat pada Gambar 4.3 sebagai berikut : -3 -2 -1 1 2 Regression Standardized Predicted Value -3 -2 -1 1 2 3 Regr ession Studentized Residual Dependent Variable: Kepuasan Scatterplot Sumber : Hasil Pengolahan SPSS Gambar 4.3 : Hasil Uji Heteroskedastisitas A.S. Puwandren : Analisis Kepuasan Konsumen Terhadap Kebijakan Harga Dan Saluran Distribusi Di PT. Semen, 2008 USU e-Repository © 2008 64 Dari Gambar 4-3 di atas terlihat bahwa titik-ttitik menyebar secara acak random serta tersebar di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai. Menurut Ghozali 2005, jika ada pola tertentu, seperti titik-titik yang membentuk suatu pola yang teratur bergelombang, melebar kemudian menyempit, maka telah terjadi heterokedastisitas dan jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Hal ini berarti tidak terjadi heteroskedistisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi keputusan memilih berdasarkan masukan dari variabel bebasnya. Selanjutnya dilakukan uji statistik untuk menjamin keakuratan hasil. Adapun uji statistik yang digunakan untuk mendeteksi ada tidaknya heteroskedasitas adalah uji Glesjer. Tabel 4-10. Hasil Uji Glesjer Standardized Coefficient B Std. Error Beta Tolerance VIF 1 Constant -419 2.656 -.158 .875 Harga .092 .112 .175 .815 .419 Distribusi -025 .141 -.038 -.179 .859 Collinearity Statistics Unstandardized Coefficient Coefficients Model Sumber : Hasil Pengolahan SPSS Dari Tabel 4-10 di atas menunjukkan bahwa tidak ada satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen. Hal ini A.S. Puwandren : Analisis Kepuasan Konsumen Terhadap Kebijakan Harga Dan Saluran Distribusi Di PT. Semen, 2008 USU e-Repository © 2008 65 terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5. Jadi dapat disimpulkan model regresi tidak mengandung adanya heteroskedasitas. 4.1.4.4 Uji Kebagusan Model Tabel 4-11. Hasil Uji Determinasi Model R R Square Adjusted R Square Std. Error of the Estimate 1 .658 .433 .410 2.00692 Model Summary Sumber : Hasil Pengolahan SPSS Berdasarkan Tabel 4-11 di atas, diketahui bahwa besarnya koefisien determinasi atau angka R Square adalah sebesar 0,433, yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas indenpenden sebesar 43,3. Jadi model cukup baik. Sedangkan sisanya 56,7 dijelaskan oleh variabel- variabel bebas lain yang tidak diteliti dan tidak dimasukkan ke dalam model regresi.

4.1.5 Pengujian Hipotesis