54 Tabel 4.6, memperlihatkan bahwa rata-rata nilai correlation item lebih
besar dari 0,30. Artinya, seluruh instrumen variabel penelitian valid. Dari tabel tersebut juga terlihat bahwa setiap instrumen variabel penelitian reliabel, karena
rata-rata nilai cronbachs alpha if item 0,60. 4.6. Hasil Uji Asumsi Klasik
4.6.1. Hasil Uji Normalitas
Uji normalitas pada penelitian ini menggunakan uji Kolmogorov Smirnov dengan kriteria pengujian adalah jika signifikansi 0,05, maka data berdistribusi
normal dan jika signifikansi 0,05, maka data tidak berdistribusi normal. Dari print output SPSS versi 20 diperoleh hasil uji normalitas sebagai berikut:
Tabel 4.7 Hasil Uji Normalitas
Unstandardized Residual
N 97
Normal Parametersa,b
Mean 0,0000000
Std. Deviation 1,03141453
Most Extreme Differences
Absolute 0,046
Positive 0,046
Negative -0,045
Kolmogorov-Smirnov Z 0,448
Asymp. Sig. 2-tailed 0,988
Sumber: Output SPSS, Diolah Peneliti 2015
Dari tabel di atas, diketahui nilai Kolmogorov-Sminorv sebesar 0,448 dengan tingkat signifikan 0,998. Artinya, variabel penelitian terdistribusi normal,
karena tingkat signifikan 0,998 0,05. Normalitas juga dapat dideteksi melalui pengamatan histogram dan normal p-p plot of regression standardized residual
seperti yang disajikan pada gambar berikut:
Universitas Sumatera Utara
55
Regression Standardized Residual
3 2
1 -1
-2 -3
Fr eq
ue nc
y
12.5 10.0
7.5 5.0
2.5 0.0
Histogram Dependent Variable: Y
Mean =3.02E-15 Std. Dev. =0.974
N =97
Gambar 4.2. Histogram
Sumber: Output SPSS, Diolah Peneliti 2015
Berdasarkan tampilan grafik histogram yang disajikan pada gambar di atas terlihat bahwa grafik histogram memberikan pola distribusi yang normal.
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xp
ec te
d C
u m
P ro
b
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Y
Gambar 4.3. Normal P-P Plot of Regression Standardized Residual
Sumber: Output SPSS, Diolah Peneliti 2015
Universitas Sumatera Utara
56 Dilihat dari gambar 4.3, terlihat bahwa data menyebar disekitar garis
diagonal dan mengikuti arah garis diagonal menunjukkan pola distribusi normal. Dengan demikian, model regresi memenuhi asumsi normalitas.
4.6.2. Hasil Uji Multikolinieritas
Uji multikolinieritas diperlukan untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan antara variabel independen dalam satu
model Sujarweni, 2014:185. Uji multikolinieritas diukur dari Variance Inflating Factor VIF. Jika VIF 10, maka terjadi multikolinieritas, sebaliknya jika VIF
10 maka tidak terjadi multikolinieritas. Berdasarkan print output SPSS versi 20 diperoleh hasil uji multikolinieritas, sebagai berikut:
Tabel 4.8 Hasil Uji Multikolinieritas
Variabel Collinearity Statistics
Tolerance VIF
X1 0,466
2,145 X2
0,317 3,156
X3 0,428
2,339 X4
0,439 2,278
X5 0,600
1,666
Sumber: Output SPSS, Diolah Peneliti 2015
Dari tabel di atas dapat dilihat nilai VIF untuk masing-masing variabel bebas, yaitu untuk variabel tangibles X
1
sebesar 2,145; untuk variabel reliability X
2
sebesar 3,156; untuk variabel responsiveness X
3
sebesar 2,339; untuk variabel assurance X
4
sebesar 2,278 dan untuk variabel empathy X
5
sebesar 1,666. Dari informasi tersebut terlihat bahwa rata-rata nilai VIF untuk masing-
masing variabel bebas 10. Artinya, tidak terjadi multikolinieritas.
Universitas Sumatera Utara
57
4.6.3. Hasil Uji Heteroskedastisitas