1. Nilai konstanta pada persamaan sebesar 0,264 menjelaskan nilai rata-rata skor keunggulan bersaing pada saat harga dan kualitas pelayanan konstan
tidak berubah atau sama dengan nol adalah sebesar 0,264. 2. Koefisien regresi untuk harga X
1
bertanda positif sebesar 0,360 menunjukkan perubahan skor keunggulan bersaing Y jika harga
meningkat sebesar satu poin. Jadi jika skor harga meningkat sebesar 1 poin maka akan terjadi peningkatan skor keunggulan bersaing sebesar 0,360.
Jadi semakin sesuai harga maka keunggulan bersaing semakin tinggi. 3. Koefisien regresi untuk Kualitas Pelayanan X
2
bertanda positif sebesar 0,572 menunjukkan perubahan keunggulan bersaing Y jika kualitas
pelayanan meningkat sebesar satu poin. Jadi jika skor kualitas pelayanan meningkat sebesar 1 poin maka akan terjadi peningkatan keunggulan
bersaing sebesar 0,572. Jadi semakin baik kualitas pelayanan maka keunggulan bersaing semakin baik.
4.3.1 Pengujian Asumsi Regresi
Pengujian asumsi regresi dilakukan untuk melihat apakah hasil regresi yang diperoleh telah memenuhi sebagai persamaan regresi yang tepat dalam
menggambarkan data penelitian. Asumsi yang diuji untuk model regresi dalam penelitian ini adalah normalitas residual nilai taksiran model regresi, asumsi tidak
terjadi multikolinieritas, asumsi tidak terjadi heterogenitas varians asumsi heteroskedastisitas.
1. Uji Normalitas Residu
Persamaan regresi yang sesuai menggambarkan data mensyaratkan taksiran model regresi memiliki nilai residual berdistribusi normal. Untuk menguji
normalitas digunakan Uji Kolmogorov-Smirnov. Hasil perhitungan uji normalitas residual dari persamaan taksiran yang diperoleh menggunakan SPSS adalah
sebagai berikut :
Tabel 4.49 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 100
Normal Parameters
a,b
Mean 0E-7
Std. Deviation ,37208631
Most Extreme Differences Absolute
,122 Positive
,122 Negative
-,075 Kolmogorov-Smirnov Z
1,218 Asymp. Sig. 2-tailed
,103 a. Test distribution is Normal.
b. Calculated from data.
Dari tabel diatas dapat dilihat bahwa nilai D
hitung
= 0,122 dengan p-value nilai sig sebesar 0,103. Hasil pengujian normalitas model regresi menunjukkan
bahwa nilai residual dari model berdistribusi normal. Hal ini dapat dilihat dari hasil perhitungan normalitas menunjukan nilai probabilitas sig. Kolmogorov-
Smirnov Test yang diperoleh untuk nilai residual sebesar 0,103 lebih besar dari 0,05.
Untuk mengetahui normalitas hasil regresi yang diperoleh dapat dilhat dari normal plot. Hasil PP plot untuk uji normalitas dapat dilihat pada gambar berikut.
Terlihat data menyebar di sekitar garis diagonal sehingga dapat disimpulkan bahwa nilai residual hasil taksiran regresi memenuhi asumsi berdistribusi normal.
Gambar 4.2 Grafik PP Plot dari Hasil Pengujian Normalitas
2. Uji Multikolinearitas
Multikolinearitas menunjukkan kondisi variabel bebas dalam model regresi yang saling berkorelasi sempurna. Hal ini menjadikan persamaan regresi
yang diperoleh tidak tepat dalam menjelaskan pengaruh x terhadap y. Ada tidaknya multikolinearitas dapat dilihat dari nilai VIF Variance
Inflation Factors. Nilai VIF yang kecil menunjukkan tidak adanya korelasi yang tinggi sempurna antar variabel x dalam model regresi. Batasan nilai untuk
variabel dikatakan berkolinieritas tinggi jika diperoleh nilai VIF untuk variabel bebas lebih besar dari 10.
Tabel 4.50 Hasil Perhitungan VIF
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Harga X1
,889 1,125
Kualitas Pelayanan X2 ,889
1,125 a. Dependent Variable: Keunggulan Bersaing Y
Sumber : Hasil pengolahan data SPSS 2015
Hasil perhitungan nilai VIF untuk variabel bebas dalam model regresi dalam penelitian ini menunjukkan angka yang lebih besar dari 10, sehingga dapat
disimpulkan tidak terjadi kolinearitas yang tinggi antara variabel bebas dalam persamaan regresi yang diperoleh.
3. Uji Asumsi Bebas Heterokedastisitas
Asumsi heteroskedastisitas adalah asumsi dalam regresi dimana varians dari residual tidak sama untuk satu pengamatan ke pengamatan yang lain. Gejala
varians yang tidak sama ini disebut dengan gejala heteroskedastisitas, sedangkan adanya gejala varians residual yang sama dari satu pengamatan ke pengamatan
yang lain disebut dengan homokedastisitas ini adalah dengan melihat penyebaran varians residual. Pengujian homogenitas varian dari residual model regresi dalam
penelitian ini menggunakan pendekatan uji korelasi Rank Spearman. Hasil perhitungan adalah sebagi berikut :
Tabel 4.51 Hasil Korelasi
Rank Spearman untuk Uji Heteroskedastisitas
Correlations
b
absr Spearman
s rho Absr
Correlation Coefficient 1,000
Sig. 2-tailed .
Harga X1 Correlation Coefficient
,021 Sig. 2-tailed
,838 Kualitas Pelayanan
X2 Correlation Coefficient
-,179 Sig. 2-tailed
,075 . Correlation is significant at the 0.01 level 2-tailed.
b. Listwise N = 100
Sumber : Hasil pengolahan data SPSS 2015
Hasil pengujian heteroskedastisitas menunjukkan bahwa varian dari residual homogen tidak terdapat heteroskedastisitas. Hal ini ditunjukkan oleh
hasil korelasi variabel X
1
dan X
2
dengan nilai absolut dari residual error tidak signifikan pada level 5. Diperoleh nilai signifikansi untuk X
1
sebesar 0,838 dan
untuk X
2
sebesar 0,075 nilai signifikansi lebih besar dari 0,05 sebagai batas tingkat kekeliruan.
Untuk mengetahui hasil heteroskedastisitas dapat juga dilakukan dengan melihat grafik Scatterplot nilai residual. Dengan melihat kepada grafik
Scatterplot, bahwa data menyebar secara merata tanpa membentuk sebuah pola tertentu dan menyebar di atas dan di bawah titik nol secara merata, maka dapat
disimpulkan bahwa tidak terdapat heterokedastisitas dalam variabel-variabel penelitian.
Gambar 4.3 Grafik
Scatterplot dari Hasil Pengujian Heteroskedastisitas 4.3.2 Analisis Korelasi
Untuk mengetahui keeratan hubungan antara variabel dan pengaruh parsial dilakukan perhitungan analisis korelasi antar variabel dan analisis korelasi parsial.
Hasil perhitungan menggunakan SPSS 20 for windows adalah sebagai berikut :
Tabel 4.52 Hasil Korelasi
Correlations
b
Harga X1 Kualitas
Pelayanan X2 Keunggulan
Bersaing Y Harga X1
Pearson Correlation 1
,334 ,587
Sig. 2-tailed ,001
,000 Kualitas Pelayanan
X2 Pearson Correlation
,334 1
,705 Sig. 2-tailed
,001 ,000
Keunggulan Bersaing Y
Pearson Correlation ,587
,705 1
Sig. 2-tailed ,000
,000 . Correlation is significant at the 0.01 level 2-tailed.
b. Listwise N=100
Sumber : Hasil pengolahan data SPSS 2015
Diperoleh hasil perhitungan korelasi harga dan keunggulan bersaing yaitu 0,587. Besarnya korelasi harga dan keunggulan bersaing masuk dalam ketegori
cukup kuat. Nilai korelasi yang diperoleh positif berarti bahwa hubungan antara harga dan keunggulan bersaing berbanding lurus bersifat positif, yang berarti
semakin sesuai harga maka keunggulan bersaing diprediksi akan semakin tinggi. Hasil perhitungan nilai korelasi kualitas pelayanan dan keunggulan
bersaing yaitu 0,705. Besarnya korelasi kualitas pelayanan dan keunggulan bersaing masuk dalam ketegori kuat. Nilai korelasi yang diperoleh positif berarti
hubungan antara kualitas pelayanan dan keunggulan bersaing berbanding lurus bersifat positif. Hasil tersebut berarti jika semakin baik kualitas pelayanan maka
keunggulan bersaing diprediksi akan semakin tinggi. Hasil perhitungan korelasi harga dan kualitas pelayanan yaitu 0,334.
Besarnya korelasi harga dan kualitas pelayanan masuk dalam ketegori tidak kuat. Nilai korelasi yang diperoleh positif berarti bahwa hubungan antara harga dan
kualitas pelayanan berbanding lurus bersifat positif.
4.3.3 Analisis Koefisien Determinasi
