Uji Asumsi Klasik .1 Uji Normalitas

7. Sebanyak 90,6 responden menyatakan sangat setuju dan setuju bahwa Keuntungan yang saya peroleh lebih besar dari biaya yang saya keluarkan. Sedangkan 5,9 responden menyatakan kurang setuju, 3,5 tidak setuju dan tidak ada responden yang menanggapi sangat tidak setuju. 8. 25,9 responden menyatakan sangat setuju dan 64,7 setuju bahwa responden tidak merasa dirugikan dengan biaya yang responden keluarkan karena sebanding dengan pelayanan yang responden terima. Sedangkan 9,4 responden menyatakan kurang setuju dan tidak ada yang menanggapi tidak setuju dan sangat tidak setuju. Berdasarkan hasil distribusi tanggapan responden terhadap variabel Customer Value terlihat bahwa persentase setuju dan sangat setuju terhadap pernyataan-pernyataan yaitu pakaian yang disediakan oleh UD.Leni sesuai selera pelanggan member dan suasana pada tempat penyewaan yang ditampilkan oleh UD.Leni sangat nyaman untuk anggotanya. Dari hasil distribusi tanggapan responden juga dapat ditarik kesimpulan bahwa UD Leni memberikan nilai pelanggan yang baik terhadap pelanggan-pelanggan yang datang. 4.2.2 Uji Asumsi Klasik 4.2.2.1 Uji Normalitas Tujuan uji normalitas adalah untuk menguji apakah distribusi data mengikuti atau mendekati distribusi normal. Untuk mengetahui distribusi sebuah Universitas Sumatera Utara data normal atau tidak, dilakukan dua pendekatan yaitu pendekatan histogram, grafik, dan Kolmogorv-Smirnov. a. Pendekatan histogram Salah satu cara untuk melihat normalitas adalah dengan melihat kurva normal. Kurva normal adalah kurva yang memiliki ciri khusus dimana mean, mode, dan mediannya berada ditempat yang sama. Maka jika terjadi kemencengan pada kurva skewness maka data tidak berdistribusi normal. Sumber : Output SPSS Oktober 2013 Gambar 4.1 Histogram Uji Normalitas Berdasarkan Gambar 4.1 grafik histogram terlihat bahwa data variabel berdistribusi normal. Hal ini ditunjukkan oleh gambar histogram Universitas Sumatera Utara yang membentuk lonceng yang tidak melenceng baik ke kiri maupun ke kanan. b. Pendekatan Grafik Cara untuk melihat normalitas adalah dengan melakukan pendekatan grafik. Pendekatan ini dengan melihat titik-titik di sepanjang garis diagonal. Sumber : Output SPSS Oktober 2013 Gambar 4.2 Grafik Uji Normalitas Dari Gambar 4.2 dapat diketahui data berdistribusi normal, dimana pada scatterplot terlihat titik-titik yang mengikuti sepanjang garis diagonal. Universitas Sumatera Utara c. Pendekatan Kolmogorv-Smirnov Untuk memastikan apakah data di sepanjang garis diagonal dan histogram berdistribusi normal maka dilakukan uji Kolmogorv-Smirnov yang merupakan uji statistik non-parametik. Tabel 4.8 Uji Kolmogorv-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 85 Normal Parameters a,b Mean 0E-7 Std. Deviation 2.76285232 Most Extreme Differences Absolute .125 Positive .091 Negative -.125 Kolmogorov-Smirnov Z 1.154 Asymp. Sig. 2-tailed .139 a. Test distribution is Normal. b. Calculated from data. Sumber : Output SPSS Oktober 2013 Pada Tabel 4.8 dapat dilihat nilai Asymp. Sig. 2-tailed adalah 0,139. Nilai tersebut lebih besar dari nilai signifikansi 0,05 yang berarti variabel residual atau data berdistribusi normal. Nilai Kolmogorov- Smirnov Z lebih kecil dari 1,97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empiric atau dengan kata lain dikatakan normal. Universitas Sumatera Utara

4.2.2.2 Uji Heteroskedastisitas

Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians. Jika varians sama maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang diinginkan adalah model yang homokedastis. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas yaitu dengan pendekatan grafik dan uji Glejser. a. Pendekatan Grafik Pendekatan ini melihat sebaran titik pada scatterplot dimana titik- titik tidak membentuk pola yang jelas. Jika titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas, sedangkan jika ada pola tertentu seperti suatu pola yang teratur, maka diindikasikan telah terjadi heteroskedastisitas. Sumber : Output SPSS Oktober 2013 Gambar 4.3 Scatterplot Uji Heteroskedastisitas Universitas Sumatera Utara Dari grafik scatterplot yang disajikan pada Gambar 4.3, terlihat titik-titik menyebar secara acak tidak membentuk suatu pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak ada indikasi terjadinya heteroskedastisitas pada model regresi, maka model regresi layak dipakai untuk memprediksi nilai pelanggan. b. Uji Glejser Pendekatan grafik yaitu melihat sebaran titik scatterplot memiliki kelemahan dimana jika jumlah pengamatan sedikit maka akan sulit menginterpretasikan hasil grafik plot. Untuk itu dilakukan uji Glejser. Tabel 4.9 Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant 4.231 3.600 1.175 .243 Consumer Information .001 .109 .001 .012 .990 Complaint Handling -.179 .165 -.124 -1.082 .282 a. Dependent Variable: absut Tabel 4.9 menunjukkan bahwa tidak ada variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut. Dapat dilihat pada kolom Sig. yang merupakan probabilitas signifikansi variabel, dimana probabilitas signifikansi variabel independen berada diatas tingkat kepercayaan 0,05, maka dapat disimpulkan model regresi ini tidak terindikasi heteroskedastisitas. Universitas Sumatera Utara

4.2.2.3 Uji Mulitikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antara variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Tabel 4.10 Uji Multikolinearitas Untuk mendeteksi adanya multikolinearitas dapat dilihat pada Tabel 4.10 kolom tolerance dan VIF Varians Inflation Factor. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Pada Tabel Tolerance 0,1 sedangkan varians inflation factor VIF 5. Nilai cut.off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah Tolerance 0,1 sedangkan varians inflation factor VIF 5. Dari hasil tersebut maka ditarik kesimpulan bahwa data atau variabel tidak terkena multikolinearitas. Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 4.901 5.356 .915 .363 Consumer Information .640 .162 .396 3.940 .000 .908 1.101 Complaint Handling .505 .246 .206 2.053 .043 .908 1.101 a. Dependent Variable: Nilai Pelanggan Universitas Sumatera Utara

4.2.3 Analisis Regresi Linier Berganda