Uji Heteroskedastisitas Uji Multikolinearitas

normal. Hasil uji kolmogrov-smirnov dapat dilihat pada tabel 4.10 dibawah ini. Tabel 4.10 Uji Kolmogrov-Smirnov Sumber: Hasil Pengolahan SPSS 16,00 Mei 2012 Pada Tabel 4.10 dapat dilihat bahwa data berdistribusi normal karena nilai Asympy.Sig 2-tailed sebesar 0,244 di atas tingkat signifikansi 0,05 atau 5. Atau Asympy.Sig 2-tailed sebesar 0,244 0,05.

4.2.4.2 Uji Heteroskedastisitas

Uji heteroskedastisitas dapat dilakukan dengan grafik dan analisis statistik berupa Uji Glejser. Pengujian heteroskedastisitas menggunakan program Statistical Product and Service Solution SPSS versi 16,00 for windows. Hasil pengolahan dari Uji Glesjer dapat dilihat pada Tabel 4.11 berikut ini: One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 97 Normal Parameters a Mean .0000000 Std. Deviation 2.16436019 Most Extreme Differences Absolute .104 Positive .104 Negative -.041 Kolmogorov-Smirnov Z 1.025 Asymp. Sig. 2-tailed .244 a. Test distribution is Normal. Universitas Sumatera Utara Tabel 4.11 Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 1.049 1.290 .813 .418 Keamanan -.034 .040 -.097 -.867 .388 Privasi .012 .092 .014 .129 .897 KualitasKoneksiInternet .094 .075 .132 1.252 .214 a. Dependent Variable: absut Sumber: Hasil Pengolahan SPSS 16,00 Mei 2012 Pada Tabel 4.11 dapat dilihat bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolute Ut absUt. Hal ini dapat terlihat dari probabilitas signifikansinya diatas tingkat kepercayaan 5. Jadi dapat dinyatakan bahwa model regresi tidak mengarah adanya heteroskedastisitas. Berikut ini grafik heteroskesdatisitas pada gambar 4.3: Gambar 4.3 Pengujian Heteroskesdatisitas Sumber: Hasil Pengolahan SPSS 16,00 Mei 2012 Melalui grafik scatterplot yang disajikan, suatu model regresi dianggap tidak terjadi heteroskedastisitas jika titik-titik menyebar secara Universitas Sumatera Utara acak dan tidak membentuk suatu pola tertentu yang jelas serta tersebar di atas maupun di bawah angka nol pada sumbu Y. Maka pada gambar 4.3 menunjukkan bahwa titik-titik menyebar secara acak maka tidak terjadi heteroskedastisitas.

4.2.4.3 Uji Multikolinearitas

Gejala multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor. Kedua ukuran ini menunjukkan setiap variabel bebas manakah yang dijelaskan oleh variabel terikat lainnya. Tolerance adalah mengukur variabilitas variabel bebas yang terpilih yang tidak dijelaskan variabel bebas lainnya. Dengan nilai : a. Tolerance value 0,1 atau VIF 5, maka terjadi multikolinieritas b. Tolerance value 0,1 atau VIF 5, maka tidak terjadi multikolinieritas Hasil pengolahan dari Uji Multikolinearitas dapat dilihat pada Tabel 4.12 Tabel 4.12 Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 12.330 2.075 5.943 .000 Keamanan .515 .064 .676 8.079 .000 .849 1.179 Privasi -.057 .149 -.031 -.384 .702 .883 1.133 KualitasKone ksiInternet .021 .120 .014 .171 .865 .950 1.053 a. Dependent Variable: KepuasanNasabahaba Sumber: Hasil Pengolahan SPSS 16,00 Mei 2012 Universitas Sumatera Utara Pada Tabel 4.12 memperlihatkan semua nilai variabel bebas memiliki Tolerance value 0,1 atau VIF 5. Seperti pada variabel keamanan 0,849 0,1 atau 1,179 5. Privasi 0,883 0,1 atau 1,133 5, kualitas koneksi internet 0,950 0,1 atau 1,053 5. Hal ini berarti tidak terjadi multikolinearitas. 4.2.5 Analisis Regresi Linier Berganda 4.2.5.1 Pengujian Koefisien Determinan R²