pendaftaran mengalami kenaikan 1 nilai, maka keputusan menabung Y akan mengalami kenaikan sebesar 0,073. Koefisien bernilai positif artinya terjadi
pengaruh positif antara variabel proses dengan keputusan nasabah menabung, semakin naik nilai variabel proses maka semakin meningkat nilai keputusan
nasabah menabung.
c. Hasil Pengujian Asumsi Klasik
1 Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah populasi data berdistribusi
normal atau tidak. Jika analisis menggunakan metode parametrik, maka persyaratan normalitas harus terpenuhi, yaitu data berasal dari distribusi yang
normal. Pengujian normalitas pada penelitian ini menggunakan kurva Normal P-P Plot of Regression Standarizad Residual yang berguna untuk menguji apakah
residual model regresi memiliki distribusi normal atau tidak. Sebaran data yang berada di sekitar garis kenormalan dapat diasumsikan bahwa data tersebut
menyebar secara normal, sedangkan apabila data tidak menyebar di sekitar garis kenormalan maka dikatakan bahwa data tersebut tidak menyebar secara normal.
Berdasarkan sebaran yang terdapat pada Normal P-P Plot of Regression Standarizad Residual yang terlampir pada lampiran 7, terlihat titik-titik menyebar
disekitar garis diagonal serta penyebarannya mengikuti arah garis diagonal. Dengan demikian dapat diketahui bahwa model regresi penelitian ini telah
memenuhi asumsi normalitas.
2 Uji Autokorelasi
Uji autokorelasi digunakan untuk mengetahui ada tidaknya penyimpangan asumsi
autokorelasi, yaitu korelasi yang terjadi antara residual pada suatu pengamatan dengan pengamatan lain pada model regresi. Prasyarat yang harus terpenuhi
adalah tidak adanya autokorelasi dalam model regresi. Metode pengujian melalui uji statistik Durbin Watson DW dengan ketentuan sebagai berikut Priyatno,
2008: 47-48: d dL
= ada autokorelasi positif d 4
– dL = ada autokorelasi negatif
dU d 4 – dU
= tidak ada autokorelasi dL d dU
= tidak dapat disimpulkan 4
– dU d 4-dL = tidak dapat disimpulkan Dari hasil perhitungan pada lampiran 7 pada model summary, diperoleh bahwa
nilai d = 2,060 sedangkan nilai batas pada tabel Durbin Watson, dengan α=5,
n=80 dan k= 7 diperoleh dL= 1,683 dan dU= 1,312 Dengan demikian nilai d terletak di antara dU dan 4-dU atau dUd4-dU, sehingga dapat disimpulkan
bahwa tidak ada autokorelasi dalam model regresi.
3 Uji Heterokedastisitas
Uji heterokesdasitas bertujuan untuk menguji apakah dalam model regresi terjadi
ketidaksamaan varians dari residual suatu pengamatan ke pengamatan lain yang tetap. Model regresi yang baik adalah tidak terjadi heterokesdasitas. Deteksi
adanya heterokesdasitas dalam penelitian in menggunakan grafik scatterplot untuk melihat pola tertentu pada grafik. Pemeriksan terhadap asumsi ini dilakukan
melalui plot antara Regression Studentized Residual dengan Regression Standardized Predicted Value. Jika plot data menyebar acak dengan ragam
varians konstan dan tidak terpola, diduga ragam konstan homoskedasitas. Tidak ada pola yang jelas serta titik-titik menyebar diatas dan dibawah angka 0
pada sumbu Y maka tidak terjadi heterokedastisitas dan tidak membentuk pola tertentu seperti gelombang melebar, kemudian menyempit. Dengan demikian
dapat disimpulkan tidak terjadi heteroskedasitas terpenuhi. Hasil uji asumsi ini ditampilkan pada lampiran 7. Dari gambar pada lampiran 7 tersebut dapat
diketahui bahwa plot tidak mengikuti suatu pola tertentu dan secara konstan berada di sekitar nilai tengah nol. Hal ini berarti tidak memenuhi asumsi
heterokesdasitas pada model regresi dan terjadi homokesdasitas sehingga model regresi layak dipakai.
4 Uji Multikolinieritas
Pengujian asumsi tidak adanya multikolinieritas bertujuan untuk melihat ada
tidaknya hubungan linier yang terjadi antara variabel-variabel bebas. Prasyarat yang harus dipenuhi adalah tidak adanya multikolinearitas. Pengujian ini penting
untuk melihat independensi antar variabel bebas dalam menjelaskan pengaruh terhadap variabel tak bebas. Pelanggaran terhadap asumsi ini dapat menyebabkan
kesalahan dalam interpretasi pengaruh variabel bebas terhadap variabel tak bebas. Pengujian asumsi ini menggunakan nilai VIF Variance Inflation Factor pada
model regresi dan variabel bebas dikatakan tidak terjadi multikkolinieritas apabila
nilai VIF kurang dari 5. Umumnya jika nilai VIF melebihi 10 maka menunjukkan adanya kasus multikolineritas yang parah. Menurut Priyatno 2008: 39, pada
umumnya jika VIF lebih besar dari 5, maka variabel tersebut mempunyai persoalan multikolinearitas dengan variabel bebas lainnya. Pedoman suatu model
regresi yang bebas multikolinearitas adalah: a
Mempunyai nilai VIF di sekitar angka 1. b
Mempunyai angka tolerance mendekati 1.
Tabel. 49. Hasil Uji Multikolienaritas Model
Colleniearity Statistic Tolerance
VIF
Produk 0,713
1,402 Harga
0,689 1,432
Promosi 0,774
1,292 Saluran Distribusi
0,663 1,509
Orang 0,698
1,432 Sarana Fisik
0,644 1,553
Proses 0,787
1,271
Sumber: Data diolah, 2010 Berdasarkan nilai VIF yang ditampilkan pada tabel diatas, diperoleh nilai VIF
untuk variabel produk 1,402, harga 1,432, promosi 1,292, lokasi 1,509, orang 1,432, sarana fisik 1,553 dan proses 1,271. Dari hasil ini dapat terlihat
bahwa antara seluruh variabel tidak terjadi multikolinieritas karena VIF yang rendah dan kurang dari 5.
d. Uji Hipotesis
