62
Tabel 4.10 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
100 Normal
Parameters
a,,b
Mean .0000000
Std. Deviation 2.03859808
Most Extreme Differences
Absolute .100
Positive .052
Negative -.100
Kolmogorov-Smirnov Z .999
Asymp. Sig. 2-tailed .271
a. Test distribution is Normal. b. Calculated from data.
Sumber : Output SPSS, diolah penulis, 2012
Berdasarkan hasil pengolahan pengujian data dengan model Kolmogorov- Smirnov yang dapat dilihat pada tabel 4.10 diatas, yaitu diperoleh nilai
Asymp.sig2-tailed adalah sebesar 0,271 yang mana 0,271 0,05, hal ini menunjukkan bahwa data telah terdistribusi secara normal atau asumsi normalitas
sudah terpenuhi.
4.2.3.2 Uji Multikolinearitas
Gejala multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor. Apabila tolerance value 0,1 atau VIF 10,
maka terjadi multikolinearitas. Sedangkan apabila tolerance value 0,1 atau VIF 10, maka tidak terjadi multikolinieritas. Hasil pengujian terhadap
multikolinieritas pada penelitian ini dapat dilihat pada tabel berikut:
Universitas Sumatera Utara
63
Tabel 4.11 Hasil Uji Multikolinearitas
Sumber : Output SPSS, diolah penulis, 2012 Berdasarkan tabel 4.11 diatas, dapat dilihat bahwa variabel independen
memiliki nilai tolerance 0,1 yaitu nilai tolerance untuk nilai nasabah 0,945, kepercayaan 0,897 dan kualitas layanan e-banking 0,945. Kemudian nilai VIF
ketiga variabel tersebut 10 yaitu untuk nilai nasabah 1,058, kepercayaan 1,115 dan kualitas layanan e-banking 1,058. Jadi dapat disimpulkan bahwa antara
variabel independen dalam penelitian ini tidak ada terjadinya gejala multikolinearitas.
4.2.3.3 Uji Heteroskedastisitas
Untuk mendeteksi ada atau tidaknya terjadi gejala heteroskedastisitas adalah dengan melihat grafik scatterplot yang dihasilkan dari pengolahan data
menggunakan program SPSS. Grafik scatterplot dari hasil pengolahan data SPSS dalam penelitian ini adalah sebagai berikut :
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
7.770 1.945
3.996 .000
X1= Nilai Nasabah .112
.119 .087
.935 .352
.945 1.058
X2= Kepercayaan .229
.100 .219
2.300 .024
.897 1.115
X3= Kualitas Layanan e-banking
.297 .080
.343 3.701
.000 .945
1.058 a. Dependent Variable: Y= Kepuasan Nasabah
Universitas Sumatera Utara
64
Gambar 4.3 Grafik Scatterplot
Sumber : Output SPSS, diolah penulis, 2012
Dari grafik scatterplot dapat dilihat bahwa bahwa titik-titik menyebar tanpa membentuk suatu pola tertentu dan menyebar di atas maupun bawah titik 0
pada sumbu Y. Dengan demikian dapat dinyatakan data ini tidak terjadi heteroskedastisiitas sehingga model ini layak dipakai untuk memprediksi
kepuasan nasabah pada PT. Bank Rakyat Indonesia Persero Tbk.Kantor Cabang Medan Gatot Subroto berdasarkan masukan variabel independen yaitu nilai
nasabah, kepercayaan dan kualitas layanan e-banking.
Universitas Sumatera Utara
65
4.2.4 Hasil Pengujian Model dan Hipotesis