77
Smirnov K-S pada alpha sebesar 5. Jika nilai signifikan dari pengujian Kolmogorov-Smirnov lebih besar dari 0.05
berarti data normal Ghazali, 2011:164.
Tabel. 4.32 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 100
Normal Parameters
a,b
Mean ,0000000
Std. Deviation
1,31888823 Most Extreme Differences
Absolute ,088
Positive ,065
Negative -,088
Test Statistic ,088
Asymp. Sig. 2-tailed .056
c
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil output SPSS 22 yang diolah, 2016
Berdasarkan uji statistik normalitas pada tabel 4.32 diatas menunjukkan Kolmogorov-Smirnov sebesar 0.088 dan
signifikan pada 0.056 lebih besar dari 0.05 maka dapat disimpulkan bahwa data terdistribusi dengan normal.
b. Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas
independen. Model regresi yang baik seharusnya tidak terjadi korelasi antar varabel bebas independen dan tidak orthogonal
atau nilai korelasi antar sesama variabel independen sama dengan
78
nol. Dapat juga dilihat dari nilai tolerance dan Variante Inflation Faktor VIF, nilai toleransi yang besarnya diatas 0,1 dan nilai VIF
di bawah 10 menunjukkan bahwa tidak ada multikolinearitas pada variabel indpendenya Ghazali, 2011: 108.
Tabel 4.33 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant Harapan Pelanggan
,716 1,397
Nilai Pelanggan ,401
2,493 Kualitas Pelayanan
,352 2,842
a. Dependent Variable: Kepuasan Pelanggan Sumber: Hasil output SPSS 22 yang diolah, 2016
Berdasarkan hasil tersebut maka dalam model regresi tidak terjadi multikolinearitas atau korelasi yang sempurna antara
variabel-varabel bebas, yaitu variabel harapan pelanggan X
1
, nilai pelanggan X
2
, kualitas pelayanan X
3
, harga X
4
mempunyai nilai VIF 10 dan Tolerance 0,1. Hal ini menunjukkan tidak
terjadi multikolinearitas antar variabel independen dalam model regresi.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menganalisis apakah dalam model regresi terjadi ketidaksamaan variance dari residual
79
satu pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
Homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Kita dapat melihatnya dari grafik plot antara nilai prediksi variabel
dependen dengan residualnya. Dasar membentuk pola tertentu atau teratur maka mengidentifikasi telah terjadi heterokedastisitas.
Sebaliknya apabila titik-titik yang ada menyebar diatas dan dibawah angka 0 sumbu Y, maka terjadi heterokedastisitas
Ghazali, 2011:139.
Gambar 4.2 Uji Heterokedastisitas
Sumber: Data primer yang diolah 2016
Berdasarakan gambar di atas diketahui bahwa tidak ada pola yang jelas, serta tersebar diatas dan dibawah angka 0 pada
sumbu Y, sehingga dapat disimpulkan bahwa pada model regresi
80
ini tidak terjadi masalah heteroskedastisitas.
4. Uji Hipotesis dan Pembahasan
