karena ketidakpuasan terhadap produk Telkomsel dan juga karena mendapat pengaruh dari temankerabatfamili dan lain-lain.
4.3 Uji Asumsi Klasik
4.3.1. Uji Normalitas Data
Uji normalitas adalah mengetahui apakah variabel dependen, independen, atau keduanya berdistribusi normal, mendekati normal atau tidak. Cara untuk mengetahui
normalitas adalah dengan melihat pp plot yang membentuk plot antara nilai-nilai teoritis sumbu x melawan nilai-nilai yang didapat dari sampel sumbu y. Apabila
plot dari keduanya berbentuk linear dapat didekati garis lurus, maka hal ini merupakan indikasi bahwa residual menyebar normal. Ada tiga pendekatan untuk
mengetahui apakah data berdistribusi normal atau tidak, yaitu dengan pendekatan Histogram, pendekatan Grafik dan pendekatan Kolmogorov-Smirnov.
1. Pendekatan Histogram Sumber: Hasil Pengolahan SPSS 16,0 Juli 2013
Gambar 4.3 Histogram Uji Normalitas
Pada grafik histogram terlihat bahwa variabel berdistribusi normal, hal ini ditunjukkan oleh distribusi data tersebut tidak melenceng ke kiri atau ke kanan.
Universitas Sumatera Utara
2. Pendekatan Grafik
Sumber: Hasil Pengolahan SPSS 16,0 Juli 2013 Gambar 4.4 Plot Uji Normalitas
Pada grafik scatter plot terlihat titik yang mengikuti data di sepanjang garis diagonal. Hal ini berarti data berdistribusi normal.
3. pendekatan Kolmogorov-Smirnov
Tabel 4.6 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
96 Normal Parameters
a,,b
Mean .0000000
Std. Deviation .92700810
Most Extreme Differences Absolute .090
Positive .090
Negative -.061
Kolmogorov-Smirnov Z .881
Asymp. Sig. 2-tailed .420
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Pengolahan SPSS 16,0 Juli 2013
Universitas Sumatera Utara
Pada Tabel 4.6 terlihat bahwa nilai Asymp.sig. 2-tailed adalah 0,846 dan diatas nilai signifikan 0,05 dengan kata lain variabel residual 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 data dikatakan normal.
4.3.2 Pengujian Heteroskedastisitas
Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas. Heteroskedastisitas diuji dengan menggunakan Uji Glejser dengan pengambilan
keputusan jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi heteroskedastisitas.
Hasil pengujian pada lampiran sebagaimana juga pada Gambar 4.3 di halaman berikut :
Sumber: Hasil Pengolahan SPSS 16,0 Juli 2013 Gambar 4.5: Scatterplot
Universitas Sumatera Utara
Hasil pengujian heteroskedastisitas menunjukkan tidak terdapat pola yang jelas dari titik-titik tersebut. Hal ini menunjukkan bahwa model regresi tidak
memiliki gejala adanya heteroskedastisitas, yang berarti bahwa tidak ada gangguan yang berarti dalam model regresi ini.
4.3.3 Pengujian Multikolinieritas