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
