Uji Asumsi Klasik Variabel Loyalitas Konsumen sebagai Y

4.2.2 Uji Asumsi Klasik

1. Hipotesis antara wujud, keandalan, responsivitas, jaminan dan empati terhadap kepuasan konsumen Tabel 4.7 Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .796 a .634 .558 3.41104 a. Predictors: Constant, wujud, keandalan, responsivitas, jaminan, empati, Berdasarkan Tabel 4.7 dapat dilihat bahwa : 1. R = 0.796, hubungan antara wujud, keandalan, responsivitas, jaminan dan empati terhadap kepuasan konsumen X 2 sebesar 79.6. Artinya hubungannya semakin erat. 2. R Square sebesar 0.634 berarti 63.4 faktor – faktor loyalitas dapat dijelaskan oleh kualitas pelayanan terhadap kepuasan konsumen. Sedangkan sisanya 36 dapat dijelaskan oleh faktor-faktor lain yang tidak diteliti dalam penelitian ini. 3. Adjusted R Sguare sebesar 0.558 berarti 55.8 yang berarti loyalitas konsumen dapat dijelaskan oleh kualitas pelayanan terhadap kepuasan konsumen. Sedangkan sisanya 44 dapat dijelaskan oleh faktor-faktor lain yang tidak diteliti dalam penelitian ini. 4. Std. Error of the Estimate standar deviasi adalah 3.41104 yang berarti model dinilai baik karena semakin kecil standar deviasi berarti model akan semakin baik. Universitas Sumatera Utara Tabel 4.8 ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 484.122 5 96.824 8.322 .000 a Residual 279.244 24 11.635 Total 763.367 29 a. Predictors: Constant, wujud, keandalan, responsivitas, jaminan, empati b. Dependent Variable: kepuasan Pada tabel 4.8 dapat dilihat bahwa nilai F hitung sebesar 8.322 dengan taraf signifikan sebesar 0,000 dan F tabel 1.36 dengan taraf signifikan 0,1 10 adalah 8.934. Maka F hitung F tabel 8.322 1.36 dan taraf signifikan sebesar 0,000 0,1 menunjukkan bahwa variabel bebas pada wujud, keandalan, responsivitas, jaminan dan empati berpengaruh positif dan signifikan terhadap variabel terikat yaitu kepuasan konsumen. Tabel 4.9 Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 4.426 5.277 .839 .410 wujud 1.220 .556 .449 2.193 .038 keandalan .640 1.094 .122 .585 .564 responsivitas 1.004 .640 .262 1.568 .130 jaminan -1.425 1.201 -.220 -1.187 .247 empati 2.524 1.121 .340 2.251 .034 a. Dependent Variable: kepuasan Sumber : Hasil pengolahan data SPSS versi 16.00 Y = b + b 1 X 1 + b 2 X 2 + b 3 X 3 + B 4 X 4 + B 5 X 5 + e Y = 4.426+1.220X 1 + 0.640X 2 + 1.004X 3 + -1.425X 4 + 2.524X 5 + e Universitas Sumatera Utara 2. Hipotesis pada kepuasan konsumen terhadap loyalitas konsumen Tabel 4.10 Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 1.051 3.294 .319 .752 Kualitas produk 1.072 .671 .304 1.598 .123 harga .705 .480 .390 1.470 .155 Kualitas jasa .997 .517 .429 1.928 .066 Emosional faktor 1.239 .672 .585 1.844 .078 biaya 1.371 .499 .584 2.747 .011 a. Dependent Variable: loyalitaskonsumen Sumber : Hasil pengolahan data SPSS versi 16.00 Y = b + b 1 X 1 + b 2 X 2 + b 3 X 3 + B 4 X 4 + B 5 X 5 + e Y = 1.051+ 1.072 X 1 + 0.705X 2 +0.997X 3 + 1.239X 4 + 1.371X 5 + e 3. Hipotesis pada kualitas pelayanan dan kepuasan konsumen terhadap loyalitas konsumen Tabel 4.11 Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 3.086 3.666 .842 .407 kualitaspelayanan .106 .151 .174 .706 .486 kepuasankonsumen .324 .143 .559 2.270 .031 a. Dependent Variable: loyalitaskonsumen Sumber : Hasil pengolahan data SPSS versi 16.00 Y = b + b 1 X 1 + b 2 X 2 + e Y = 3.086+ 0.106X 1 +0.324X 2 + e 1. Uji Normalitas Tujuan uji normalitas adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi Universitas Sumatera Utara normal, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau tidak, yaitu dengan pendekatan grafik dan pendekatan Kolmogorv-Smirnov. a Pendekatan Grafik Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram dan grafik normal plot yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi normal. Sumber : Hasil pengolahan data SPSS versi 16.00 Gambar 4.12 Grafik Histogram Uji Normalitas Berdasarkan gambar 4.12 di atas, grafik histogram terlihat bahwa variabel keputusan berdistribusi normal. Hal ini ditunjukkan oleh distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Universitas Sumatera Utara Sumber : Hasil Pengolahan SPSS 16.00 Gambar 4.13 Normal P-P plot Pada gambar 4.13 scatter plot di atas, terlihat titik yang mengikuti data disepanjang garis diagonal. Hal ini berarti data berdistribusi normal. Namun seringkali data kelihatan normal karena mengikuti garis diagonal. Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal maka dilakukan uji kolmogorv smirnov 1 sample KS dengan melihat data residualnya apakah berdistribusi normal atau tidak. Hasilnya adalah sebagai berikut. Universitas Sumatera Utara Tabel 4.14 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 71 Normal Parameters a Mean .0000000 Std. Deviation 1.24506240 Most Extreme Differences Absolute .119 Positive .114 Negative -.119 Kolmogorov-Smirnov Z 1.004 Asymp. Sig. 2-tailed .266 a. Test distribution is Normal. Sumber : Hasil Pengolahan SPSS 16.00 Pada tabel 4.14 One-Sample Kolmogorov-Smirnov Test, terlihat bahwa nilai Asymp.Sig 2-tailed adalah 0,266 dan di atas nilai signifikan 0,10. Dengan kata lain variabel residual berdistribusi normal. 2. Uji Heterokedastisitas Uji heterokedastisitas dilakukan dengan menggunakan kurva scatterplot nilai residual variabel dependen. Pengambilan kesimpulan diketahui dari memperlihatkan sebaran plot data. Penulis menggunakan pendekatan grafik untuk mendeteksi ada atau tidaknya heteroskedastisitas. a. Pendekatan Grafik Grafik Scatterplot Dasar analisis adalah jika tidak ada pola yang jelas, serta titik-titik menyebar baik di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Universitas Sumatera Utara Sumber : Hasil Pengolahan SPSS versi 16.00 Gambar 4.15 Scatterplot Dari gambar 4.15 grafik Scatterplot, terlihat titik – titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi loyalitas konsumen, berdasarkan masukan variabel independennya. b. Uji Glejser Tabel 4.16 Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 3.073 .947 3.245 .002 kualitas -.063 .035 -.317 -1.837 .071 kepuasan .010 .033 .054 .313 .755 a. Dependent Variable: absut Sumber : Hasil Pengolahan data SPSS 16.00 Berdasarkan Tabel 4.16 dapat diketahui bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen Universitas Sumatera Utara absolut Ut absUt. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 10. Jadi disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.

4.2.2.3 Uji Multikolinearitas .

Uji multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Berikut ini disajikan cara mendeteksi multikolinearitas dengan menganalisis matrik korelasi antar variabel independen dan perhitungan nilai Tolerance dan Variance Inflation Factor VIF.

4.2.3 Analisis Regresi linear Berganda