2. Uji Asumsi Klasik
a. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah model regresi berdistribusi
normal. Uji normalitas dapat dilakukan dengan analisis grafik dilihat dari titik-titik yang menyebar di sekitar garis diagonal yakni distribusi data dengan bentuk lonceng
dan berdistribusi data tersebut tidak menceng kekiri atau kekanan. Uji normalitas dilakukan dengan menggunakan pendekatan kolmogorv sminorv. Dengan
menggunakan tingkat signifikan 5 0,05 maka jika nilai Asymp.Sig 2-tailed diatas nilai signifikan artinya variabel residual berdistribusi normal.
Gambar 4.1 : Pengujian Normalitas P-P Plot Sumber : data primer diolah Januari, 2010
Gambar 4.1 memperlihatkan titik-titik yang mengikuti data sepanjang garis diagonal, hal ini berarti data berdistribusi normal. Namun untuk lebih memastikan
bahwa data disepanjang garis diagonal berdistribusi normal maka dilakukan uji kolmogorv sminorv.
Universitas Sumatera Utara Universitas Sumatera Utara
Tabel 4.12 Uji Kolmogorv-Sminorv
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 92
Normal Parameters
a
Mean .0000000
Std. Deviation .39449809
Most Extreme Differences Absolute
.108 Positive
.108 Negative
-.091 Kolmogorov-Smirnov Z
1.037 Asymp. Sig. 2-tailed
.232 a. Test distribution is Normal.
Sumber : data primer diolah Januari, 2010
Berdasarkan Tabel 4.12 terlihat bahwa nilai Asymp sig 2-tailed adalah 0,232 dan diatas nilai signifikan 0,05. Hal ini menunjukan bahwa variabel residual
berdistribusi normal. b. Uji Heteroskedastisitas
Untuk menguji heteroskedastisitas dilakukan dengan analisis grafik dan analisis statistik berupa uji glejser. Melalui analisis grafik suatu model regresi
dianggap tidak terjadi heteroskedastisitas jika titik menyebar secara acak dan tidak membentuk suatu pola tertentu yang jelas dan tersebar diatas maupun di bawah angka
nol pada sumbu Y.
Gambar 4.2 : Pengujian Heteroskedastisitas Sumber : Data primer diolah Januari, 2010
Universitas Sumatera Utara Universitas Sumatera Utara
Pada Gambar 4.2 memperlihatkan titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu yang jelas serta tersebar baik diatas maupun dibawah
angka nol pada sumbu Y hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehngga model regresi layak dipakai untuk memprediksi loyalitas merek
brand loyalty konsumen berdasarkan masukan variabel independennya.
Tabel 4.13 Uji Glesjer
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .482
.226 2.135
.395 brand_reliability
.021 .017
.175 1.215
.228 brand_intentions
-.025 .015
-.248 -1.723
.088 a. Dependent Variable: absUt
Sumber : Data primer diolah Januari, 2010
Pada Tabel 4.13 memperlihatkan bahwa tidak satu pun variabel independent yang signifikan secara statistik mempengaruhi variabel dependen absolute Ut absUt.
Hal ini terlihat dari probabilitas signifikannya di atas tingkat kepercayaan 5 . Jadi dapat disimpulkan model regeresi tidak mengarah adanya heterokedastisitas.
c. Uji Multikolinieritas Gejala multikolinieritas dapat dilihat dari besarnya nilai Tolerance dan VIF
Variance Inflation Factor. Kedua ukuran ini menunjukan setuip variabel independen manakah yang dijelaskan oleh variabel independen lainya. Tolerance adalah
mengukur variabilitas variabel independen yang terlihat yang tidak dijelaskan variabel independen lainnya. Nilai yang dipakai untuk Tolerance 0,1 dan VIF 5, maka tidak
terjadi multikolinieritas.
Universitas Sumatera Utara Universitas Sumatera Utara
Tabel 4.14 Uji Multikolinieritas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-.025 .370
-.068 .946
brand_reliability .023
.028 .076
.835 .406
.523 1.913
brand_intentions .191
.024 .728
7.965 .000
.523 1.913
a. Dependent Variable: kepuasan
Sumber : Data primer diolah Januari, 2010
Pada Tabel 4.14 terlihat semua nilai variabel independent untuk Tolerance 0,1 dan VIF 5, hal ini berarti tidak terjadi multikolinieritas.
3. Analisis Regresi Linear Berganda